一.概念
NVIDIA：NVIDIA是一家人工智能公司，创立于1993年，1999年，NVIDIA定义了GPU。
显卡：显卡是计算机最基本组成成分之一，用途是将计算机系统所需要的显示信息进行转换驱动显示器，主流显卡的显示芯片主要由NVIDIA（英伟达）和AMD（超微半导体）两大厂商制造。独立显卡顾名思义就是独立出来的显卡，在主板上有单独的显卡插槽是可以拆卸的，集成显卡的意思是集成在主板上的一种显卡，它使用的显存是系统的一部分内存，自身没有显存
GPU：Graphics Processing Unit，简称GPU，称为图形处理器，又称显示核心，视觉处理器、显示核心。GPU相当于计算机的CPU，是显卡的心脏。CPU含有较少个ALU（算术运算单元），GPU含有成千上百个ALU，CPU相当于一个教授，GPU相当于很多个小学生，故当遇到大量100以内的数学计算时，GPU明显比CPU快得多。
CUDA：CUDA(ComputeUnified Device Architecture)，是显卡厂商NVIDIA推出的运算平台。 CUDA是一种由NVIDIA推出的通用并行计算架构，该架构使GPU能够解决复杂的计算问题。
CUDNN:NVIDIA cuDNN是用于深度神经网络的GPU加速库。它强调性能、易用性和低内存开销。NVIDIA cuDNN可以集成到更高级别的机器学习框架中，如谷歌的Tensorflow、加州大学伯克利分校的流行caffe软件。CUDA看作是一个工作台，上面配有很多工具，如锤子、螺丝刀等。cuDNN是基于CUDA的深度学习GPU加速库，有了它才能在GPU上完成深度学习的计算。它就相当于工作的工具，比如它就是个扳手。但是CUDA这个工作台买来的时候，并没有送扳手。想要在CUDA上运行深度神经网络，就要安装cuDNN，就像你想要拧个螺帽就要把扳手买回来。这样才能使GPU进行深度神经网络的工作，工作速度相较CPU快很多。
二.环境配置
1.环境配置前所做工作
首先我们需要查看本机是否含有独立显卡。选择计算机→管理→设备管理器→显示适配器，如下图所示，说明含有独立显卡，幸好为NVIDIA GeForce 940M。
然后查看本机的独立显卡是否支持CUDA的安装，打开网站https://developer.nvidia.com/cuda-gpus，如下图所示
点击红色线框标记这个，如下图所示，本机的显卡支持GPU，计算力为5.0
2.下载并安装CUDA。
打开网址https://developer.nvidia.com/cuda-toolkit-archive，如下图所示，选择一个CUDA版本，本人选择的是10.1版本
点击红色线框所圈内容，其中Version代表windos系统型号，本机为win7，故选择7即可，然后点击下载，大小为2.1GB
下载后按照默认路径安装即可，其中选择自定义安装，把VS勾给去掉，如下图所示。
安装完成后，需要编辑系统环境变量，计算机→属性→高级系统设置→高级→环境变量。选择path，点击“编辑”按钮，分别将以下url添加进去即可（注意每个url后面需要加上英文符号“;”）。如下图所示
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\bin;
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\libnvvp;
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1;
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\lib\x64;
然后测试CUDA是否安装成功，在命令行中输入nvcc -V，如下图所示即代表安装成功
3.下载并安装cuDNN
打开网址https://developer.nvidia.com/rdp/cudnn-archive ，然后根据要求进行一个账号的注册，注册成功后便可以下载与CUDA版本相对应的cuDNN。如下图所示
下载完成后进行解压得到一个CUDA文件夹，里面含有lib、include、bin文件夹。找到CUDA安装的位置，默认为C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1，然后将CUDNN解压后的 lib、include、bin文件夹复制进去，若提示复制和替换，点击是即可。
4.pytorch下载和安装
打开网址https://pytorch.org/（若打不开尝试换其他浏览器），本机选择windows系统，使用pip安装，语言选择Python，CUDA选择10.1，若选择为None，则代表不需要CUDA，也就是说配置的是CPU版本的pytorch，如下图所示
最后将红色线框所圈的命令在命令行输入，进行pytorch的安装。需要注意的是，pytorch比较大，pip安装速度太慢，会经常失败，所以我们需要借助国内镜像。常用的国内镜像有
清华：https://pypi.tuna.tsinghua.edu.cn/simple
阿里云：http://mirrors.aliyun.com/pypi/simple/
中国科技大学 https://pypi.mirrors.ustc.edu.cn/simple/
华中理工大学：http://pypi.hustunique.com/
山东理工大学：http://pypi.sdutlinux.org/
豆瓣：http://pypi.douban.com/simple/
使用方法为在pip install -i 国内镜像 所需库，本人在安装过程中，使用阿里云的镜像安装最快（有时候也会安装失败，比如我晚上安装了n次都失败，第二天早上又尝试了一次就成功了，所以不要灰心，多尝试几次）。故本人所安装的命令为
pip install -i http://mirrors.aliyun.com/pypi/simple/ torch==1.5.1+cu101 torchvision==0.6.1+cu101 -f https://download.pytorch.org/whl/torch_stable.html
最后在命令行中打开python，输入import torch，然后再输入print(torch.cuda.is_available())，返回为True即可代表GPU版本的pytorch安装成功。