一、查看驱动版本

1.1 查看显卡驱动

输入命令nvidia-smi可以查看对应的驱动，这里我的驱动是
560.78，CUDA的版本是12.6。

1.2 显卡驱动和CUDA对应版本

1.3 Pytorch和Python对应的版本

1.4 Pytorch和CUDA对应的版本

二、安装CUDA

https://developer.nvidia.com/cuda-toolkit-archive

CUDA官网中挑选自己对应的版本进行下载即可，这里我下载12.60.

对应的选择如下

然后选中我们提前准备好的目录，点击下一步即可等待安装。

这里点击同意并继续，然后会到下图中这个界面，继续点击下一步。

继续点Next即可。

然后等待对应的安装。

这一步就安装好了。

这个时候我们重新开一个cmd命令窗口（注意需要重新开，不然识别不了系统变量）然后我们输入命令nvcc --version可以看到对应的版本号了。

打开环境变量，可以看到环境变量也装上了，这个是CUDA的安装程序自动帮我们装的。

三、安装cuDANN

接着我们需要安装cuDANN，我们去官网如下地址：

https://developer.nvidia.com/rdp/cudnn-archive

找到对应的版本进行安装。这里可能需要邮箱注册nvidia官网账号，大家提前准备好个人邮箱即可。

我们先把下载好的zip解压缩，然后把压缩包里面的东西都复制放到CUDA的路径（C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.6）中去。

然后在这个路径下（C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.6\extras\demo_suite）右键打开cmd命令行，输入如下命令：

.\bandwidthTest.exe
.\deviceQuery.exe

当输入两个命令之后都出现pass了，就代表成功了。

四、安装pytorch

首先我们需要创建对应的一个虚拟环境。

这里我用命令：conda create -n pytorch1 python=3.10

因为如果大家做GNN方面的话，可能需要Networkx这个包（搭建图神经网络相关的），这个包最低都需要3.10版本。

然后我们conda activate pytorch1进入到创建的好的环境中之后，更换源：

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/menpo/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/bioconda/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --set show_channel_urls yes
conda config --set ssl_verify false

接着进入pytorch的官网`https://pytorch.org/``安装对应的pytorch版本。

选中自己的这个适应版本的安装语句，进行安装即可。

pip3 install --pre torch torchvision torchaudio --index-url https://download.pytorch.org/whl/nightly/cu126

在cmd中的pytorch1的虚拟环境下复制上面的语句即可。

然后等待几分钟进行安装。（如果大家不会开梯子，可能需要两个小时，建议输入这个命令前可以换个梯子，如果没有梯子，就需要制定换源进行安装，不然太慢了。如果已经运行了这个命令，但是没有开梯子，可以ctrl+c终止安装，然后开了梯子之后，重新跑这个安装，这样是没问题的。但是你在安装过程中，命令已经跑起来了，才开梯子，是没用的，因为conda命令默认是采用启动命令时的通道网络，需要跑之前就把梯子开好。）

五、验证是否安装成功

在cmd中的虚拟环境pytorch1中，依次输入如下命令：

python
import torch
print(torch.cuda.is_available())

当输出true的时候，就代表环境都装好了，pytorch可以使用了，可以开始跑深度学习了。

最后祝所有人安装pytorch不报错！！！