之前在安装Pytorch版本时搞错了环境，导致每次在进行model training的时候速度很慢，后来检查了一下电脑中的torch环境，原来是CUDA版本没有更新，导致版本不匹配，没有使用CUDA，每次都在用CPU进行训练，难怪时间很长。用此文记录一下遇到的问题。
1. 检测方法
在cmd中进入自己的Python环境，输入：
>>> import torch
>>> print(torch.cuda.is_available())
如果输出是**True，**那么恭喜你就是GPU版本的，可以略过此文；
如果输出是FALSE，那么你的torch版本就是CPU版，可以参考本文以下经验。
2. 检查电脑CUDA驱动版本
（1）右键点击NVIDIA，打开控制面板
（2）点击帮助中的系统信息
（3）点击组件，查看CUDA版本
如图所示，我的电脑目前CUDA版本就是11.4，但是在我想要安装对应的GPU torch时，发现目前的CUDA版本已经在11.6及以上了，于是决定先对CUDA版本进行更新。（注：CUDA版本可以向下兼容，例如12.0版本可以使用11.6/11.7版本）。
3. 更新CUDA驱动
（1）进入英伟达官方驱动
（2）依据相应的版本，寻找NVIDA驱动更新
可以在任务管理器中查看显卡，例如我这边显示PC显卡为1660Ti：
找对版本后，直接下载就OK
（3）安装
（4）检查是否升级成功
依据前面的办法打开控制面板查看
已经更新为CUDA 12.0版本，可以向下兼容哦~
4. 安装GPU版本的torch
（1）方法一：在线安装，直接在Pytorch官网下载版本：Pytorch
Run this Command
（2）方法二：离线安装，在此网站下载相应包：torch
找到自己需要的torch版本进行下载
例如：torch-1.13.0+cu117-cp37-cp37m-win_amd64.whl
代表的是torch 1.13.0 版本， CUDA 11.7 版本， Python 3.7 版本
下载后将包放入conda的env文件夹下
在cmd中进入该文件夹，进行安装
进行验证
>>> import torch
>>> print(torch.__version__)
>>> print(torch.cuda.is_available())
如果显示torch版本显示+cu
以及 True
则安装完毕！