本文相关包下载：
链接：https://pan.baidu.com/s/1-kYKr8YB6BBok5MvX02Buw
提取码：fuet

一、CUDA与cuDNN版本的选择

方法一：
win+R打开cmd，输入nvidia-smi，我的显卡是nvidia 2070super，支持的cuda版本是11.0

图1 cmd查看显卡支持的cuda版本
方法二：
1、打开NVIDIA设置，点击“帮助”
2、进入“系统信息”，显卡及驱动版本如红框所示

3、根据驱动版本和CUDA的对应关系，在此确定CUDA版本为CUDA11.0（根据自己电脑配置）
驱动版本和CUDA的对应关系表_

二、安装vs2019

先安装vs再安装cuda，这样安装cuda的时候vs的路径会加入到cuda中，出错几率可能小一些。vs在官网下载community就够用了，有需求的可以下载其他版本。插件选择使用c++桌面程序，其他插件如果没选择，打开vs创建项目时会提示再安装，由于我已经安装了所以没放图。

三、安装CUDA

1.上CUDA官网下载CUDA11.0版本及其补丁
CUDA10.2版本下载链接、最新版链接

2）下载后点击exe文件运行，一路默认安装。到下图时选择自定义。

3）第一次安装全选，第多次安装只选择这几个。我当时第一次安装只选了第一个好像也可以。
Note:在安装过程中发现，如果第N次安装，最好不要选择CUDA下面的nsight system两个选项，不然后续安装会报错。


4）路径我选择的是默认位置。后面一路默认就OK，安装成功关闭。

5）安装结束后，右键 我的电脑—>属性—>高级系统设置—>环境变量，系统变量中已经加入了cuda的两个路径。

6）在系统变量中加入下面的路径，点击确定。

CUDA_BIN_PATH: %CUDA_PATH%\bin
CUDA_LIB_PATH: %CUDA_PATH%\lib\x64
CUDA_SDK_PATH: C:\ProgramData\NVIDIA Corporation\CUDA Samples\v11.0
CUDA_SDK_BIN_PATH: %CUDA_SDK_PATH%\bin\win64
CUDA_SDK_LIB_PATH: %CUDA_SDK_PATH%\common\lib\x64

7）在系统变量path中加入下面的的变量：

%CUDA_BIN_PATH%
%CUDA_LIB_PATH%
%CUDA_SDK_BIN_PATH%
%CUDA_SDK_LIB_PATH%

三、检测cuda是否安装成功

1.运行cmd，输入nvcc --version即可查看版本号；
set cuda，可以查看cuda设置的环境变量。

2、cd两次到c目录下，复制cuda安装目录下的deviceQuery.exe 和 bandwidthTest.exe两个程序的路径。分别运行这两个程序，result=pass则安装成功，否则就重新安装。
deviceQuery.exe 和 bandwidthTest.exe 路径

找到两个程序的路径

运行后result=pass则成功

result=pass则成功

四、根据CUDA版本，安装cudnn

cuDNN官网：https://developer.nvidia.com/rdp/cudnn-archive#a-collapse742-10
找自己cudn对应的

五、pytorch的安装与配置：

根据对应的CUdA版本安装对应的pytorch
官网：https://pytorch.org/
下载pytorch

pip install torch===1.7.1+cu110 torchvision===0.8.2+cu110 torchaudio===0.7.2 -f https://download.pytorch.org/whl/torch_stable.html
https://pytorch.org/get-started/locally/

pip install torch==1.7.1+cu110 torchvision==0.8.2+cu110 torchaudio===0.7.2 -f https://pypi.mirrors.ustc.edu.cn/simple

六、验证是否安装成功

为了确保PyTorch安装成功，我们需要运行简单的样例代码测试，例如打印出随机生成的张量矩阵，以及gpu是否可以使用。
首先在命令行输入python，进入python的解释器，输入以下语句：

import torch
x = torch.rand(5,3)
print(x)

输出如下：

tensor([[0.9943, 0.2830, 0.5508], [0.0765, 0.6474, 0.0059], [0.7241, 0.1868, 0.5398], [0.3217, 0.4664, 0.4242], [0.3351, 0.2482, 0.7371]])

说明PyTorch安装成功。
接下来再输入

torch.cuda.is_available()

输出为True即证明支持GPU了。

参考：

下载pytorch
https://www.jianshu.com/p/1fd15d2408bf
链接一，链接二
Win10系统安装CUDA10.0和cuDNN
PyTorch-GPU环境配置
linux配置