GPU版pytorch安装

 设备环境：

Windows10 64bit

GPU: GeForce GTX 1060 Ti

Python3.7 64bit

1 下载安装 CUDA以及cuDNN

1.1 查看电脑显卡对应的CUDA驱动版本

1.2 下载安装CUDA

下载地址：https://developer.nvidia.com/cuda-downloads?target_os=Windows&target_arch=x86_64&target_version=10&target_type=exelocal

安装CUDA时选择自定义安装，并将Visual Studio Integration一项去掉打勾，否则有可能安装出错

检验安装是否安装正确：win+R→cmd→nvcc -V

1.3 下载cuDNN

下载地址：https://developer.nvidia.com/rdp/cudnn-archive

将cuDNN解压后的文件夹中bin、include和lib三个文件夹复制粘贴到CUDA安装路径中这三个文件夹的父文件夹下面，Windows中默认安装路径为：C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0

1.4 CUDA和cuDNN的作用

CUDA是NVIDIA推出的用于自家GPU的并行计算框架，也就是说CUDA只能在NVIDIA的GPU上运行，而且只有当要解决的计算问题是可以大量并行计算的时候才能发挥CUDA的作用。

cuDNN是一个常见的神经网络层加速库文件，其能够很大程度的把加载到显卡上的网络层数据进行优化计算，cuDNN需要在有cuda的基础上进行。

   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。

2 下载安装GPU版的Pytorch

下载地址：https://pytorch.org/get-started/locally/

选择对应版本信息，利用Conda或Pip进行安装，如外网下载太慢，可配置镜像源进行安装。

conda镜像源配置：https://blog.csdn.net/weixin_34019929/article/details/90985190

pip镜像源配置：https://blog.csdn.net/sunyllove/article/details/81627281

验证pytorch的gpu是否可用，返回结果为True则表示GPU可用。