利用torch安装CuPy，使得numpy(np)在CUDA(gpu)上加速。

前言

标题名字是很奇怪，没关系，重点看内容。

正常安装CupPy需要较为复杂的cuda环境配置，可以参考文章——CUDA环境配置。

如果你觉得去官网安装CUDA Toolkit太麻烦，那我们可以利用pyotch的cudatookit来保证Cupy的正常运行。

正文

1. CuPy官网
   官网给出了详细的安装操作，但是需要手动安装CUDA Toolkit，如果你没有实践过，这也许会比较难。
   官网给出了相应版本对应的安装命令：
   
   我电脑是11.1，所以这里执行下面命令即可

pip install cupy-cuda111

安装好以后直接去运行肯定是不行的，会报错：

Failed to import CuPy.

If you installed CuPy via wheels (cupy-cudaXXX or cupy-rocm-X-X), make sure that the package matches with the version of CUDA or ROCm installed.

On Linux, you may need to set LD_LIBRARY_PATH environment variable depending on how you installed CUDA/ROCm.
On Windows, try setting CUDA_PATH environment variable.

Check the Installation Guide for details:
  https://docs.cupy.dev/en/latest/install.html

Original error:
  ImportError: DLL load failed while importing runtime: 找不到指定的模块。

意思很明确了，就是说你没有安装cuda，或者没有指定CUDA_PATH的环境变量。

2. 如果你安装了pytorch的cudatoolkit， 你会发现你是可以使用cuda加速的，那为什么cupy就不可以呢？
   因为在pytorch官网安装的cudatoolkit并不是官网安装CUDA Toolkit，它们是不相同的。
   pytorch官网安装的cudatoolkit是一些编译好的CUDA程序，当系统上存在兼容的驱动时，这些程序就可以直接运行。安装pytorch会同时安装cudatoolkit，且pytorch的GPU运算直接依赖cudatoolkit，因此无需安装CUDA Toolkit即可使用pytorch进行深度学习。

3. 对于我们这种喜欢偷懒的人，肯定是选择安装pytorch的cudatoolkit啊，毕竟一行命令就都安装好了。
   对于pytorch和cuda的安装，可以参考我的另外一篇文章——pytorch+cuda,各种较老版本cuda，两步完成

4. 对于安装好了pytorch的cudatoolkit以后，怎么让CuPy在cudatoolkit上运行呢，这就很容易了，只需要先导入一下torch就可以了！

放个下图给你们看看，虽然还是会Warning，但是已经可以正常使用了。

总结一下

1. 首先安装pytorch和cudatoolkit，可以参考pytorch+cuda,各种较老版本cuda，两步完成
2. 安装cupy，通过上面文章也可以找到cuda的版本，然后pip install cupy-cuda??? （???就是版本）
3. 记得在import cupy 之前先 import torch就可以了。

import torch
import cupy

然后就可以使用cupy了。

4. 可以使用

a = cupy.array([1,2])
print(a.device)

验证一下是否导入成功，如果成功了就成功了，如果不成功，去官网安装CUDA Toolkit吧。