CUDA + pytorch安装教程与环境配置
须知：
- CUDA只能在NVIDIA英伟达显卡上才可以用
pycharm + Anaconda + OpenCV的安装见我写的另一篇文章：计算机视觉的第一步：Opnencv（一）之 环境部署
1 基本须知
1.1 pytorch简介
Pytorch是torch的python版本，是由Facebook开源的神经网络框架，专门针对 GPU 加速的深度神经网络（DNN）编程。Torch 是一个经典的对多维矩阵数据进行操作的张量（tensor ）库，在机器学习和其他数学密集型应用有广泛应用。与Tensorflow的静态计算图不同，pytorch的计算图是动态的，可以根据计算需要实时改变计算图。但由于Torch语言采用 Lua，导致在国内一直很小众，并逐渐被支持 Python 的 Tensorflow 抢走用户。作为经典机器学习库 Torch 的端口，PyTorch 为 Python 语言使用者提供了舒适的写代码选择。
1.2 CUDA简介
CUDA（Compute Unified 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。 它包含了CUDA指令集架构（ISA）以及GPU内部的并行计算引擎。 开发人员可以使用C语言来为CUDA™架构编写程序，所编写出的程序可以在支持CUDA™的处理器上以超高性能运行。CUDA3.0已经开始支持C++和FORTRAN。
1.3 二者安装要求
CUDA与pytorch的版本需要相匹配，我们在安装时要特地注意此点。
截止目前2021年11月13号，CUDA最新版本为11.5。
但是，pytorch目前最高支持11.3，所以我们此次安装选择CUDA11.2 + pytorch1.1(我们此时不需要在安装1.0版本之下的版本，1.1就是稳定版本)安装。
CUDA下载地址：CUDA官网；pytorch下载地址：pytorch官网。
pytorch的下载界面
CUDA的安装界面
2 安装程序
2.1 CUDA安装
2.1.1 文件下载
从官网下载或清华镜像网
2.1.2 开始安装
2.1.3 环境配置
这是CUDA默认安装位置的路径:
CUDA_SDK_PATH = C:\Program Files\NVIDIA
GPU\Computing\Toolkit\CUDA\v10.2\bin
在系统中添加以下几个环境变量：
CUDA_LIB_PATH = %CUDA_PATH%\lib\x64
CUDA_BIN_PATH = %CUDA_PATH%\bin
CUDA_SDK_BIN_PATH = %CUDA_SDK_PATH%\bin\win64
CUDA_SDK_LIB_PATH = %CUDA_SDK_PATH%\common\lib\x64
我的环境变量（图示）
再添加如下4条（默认安装路径）：
C:\Program Files\NVIDIA GPU Computing\Toolkit\CUDA\v8.0\lib\x64；
C:\Program Files\NVIDIA GPU Computing\Toolkit\CUDA\v8.0\bin；
C:\ProgramData\NVIDIACorporation\CUDA\Samples\v8.0\common\lib\x64；
C:\ProgramData\NVIDIA Corporation\CUDA\ Samples\v8.0\bin\win64；
我的环境变量（二次图示）
2.1.4 验证
打开命令窗口cmd，输入验证命令
nvcc -V
当出现下图，就成功了
2.2 pytorch安装
2.2.1 获取控制台下载指令
官网获取，如下图：
2.2.2 安装开始
-
以管理员的身份打开终端【注意：一定要是管理员的身份打开】
如果不会的见下：先打开任务栏的搜素按钮：
输入cmd，如下图
-
输入刚才你复制的代码到窗口里：
-
等待数秒，当出现
Y/N时，输入y。此时开始下载pytorch
下载的界面像：
-
继续等待，当出现下面的情况时，表示安装完成。
2.2.3 验证
打开pycharm，如果没安装，可以看我写的另一篇文章：计算机视觉的第一步：Opnencv（一）之 环境部署。 Anaconda + OpenCV的安装教程也在里面。
- 打开pycharm，输入下面的代码
import torch
print(torch.__version__)
print('gpu: ', torch.cuda.is_available())
运行代码。当出现结果时，表示安装成功。
1.10.0
gpu: True