前提—查看是否有NVIDIV英伟达显卡！！
在控制面板打开设备管理器
一、查看电脑的显卡驱动版本
方法一：在cmd命令窗口中输入nvidia-smi，可以发现版本为12.2
方法2：点击NVIDIA控制面板→系统信息
二、安装CUDA
方法1： 在pytorch官网https://pytorch.org/，直接复制命令进行安装（建议直接按照方法2安装）
建议电脑显卡驱动版本**>=**安装的CUDA版本
在命令窗口中直接输入命令--回车安装
pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118
如果安装失败，是因为网速不够快，建议用手机热点或者末尾加一个镜像源
方法2：从官网下载对应版本的CUDA版本
官网链接: https://developer.nvidia.com/cuda-toolkit-archive
由于我的显卡版本是12.2，我只要安装小于等于12.2均可以，我安装11.8
可以修改安装路径，因为文件较大，我没有使用默认的路径
下载完成开始安装，可以安装在自定义的目录下
同意并继续
选择
推荐的精简
点就完事！！
开始安装！！
查看是否安装成功
在命令窗口中输入nvcc -V进行检查
nvcc -V
可以看到我们安装成功
三，安装cuDNN，需要注册（可安装可不安装，因为cuDNN就是个加速器）
官网链接：https://developer.nvidia.com/rdp/cudnn-archive
下载解压后的文件
将解压文件复制到CUDA安装路径下 ！！！就已经安装完成！！
复制到的CUDA安装路径：
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8
四，pytorch-GPU
4.1 新建虚拟环境（推荐）
若不想新建，也可以在以前的环境中安装，请跳到下一步4.2！！
因为CUDA 10.1 支持 Python 3.5 - 3.8，而 CUDA 11.0 则支持 Python 3.5 - 3.9，所以我安装python3.9
conda create -n pytorch-gpu python==3.9
然后，进入激活环境
conda activate pytorch-gpu
4.2 在官网下载pytorch
官网链接: https://pytorch.org
pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118
以下是成功的界面：
五，测试pytorch gpu是否可用
torch.cuda.is_available() 为True则GPU可用，False表示不可用
import torch
print(torch.__version__)
print(torch.version.cuda)
print(torch.cuda.is_available()) #输出为True，则安装无误
以上内容出自于原文链接为防止原文失效，再稍作修改发布一次：https://blog.csdn.net/qlkaicx/article/details/134577555
