目录
前言
一、CUDA的安装
1.确认自己的电脑是否可以使用CUDA
2.下载CUDA
二、cuDNN的安装
1.下载cuDNN
2.安装cuDNN
三、Anaconda环境的配置
四、Pytorch的安装
五、验证
总结
前言
本文是在Windows10，Anaconda上安装Pytorch+CUDA的环境，包含下载-安装-验证的全过程，很详细的教程，对初学者极其友好！
版本如下：
CUDA 11.3
Pytorch 1.11
这周接到导师的任务，去复现一篇论文的结果，代码是基于Pytorch的，为了尽快计算出来结果（去玩），于是准备采用GPU计算。因为计算量还可以所以就先不用超算平台啦，索性拿出了我的游戏本hhh。
一、CUDA的安装
1.确认自己的电脑是否可以使用CUDA
在桌面鼠标右键，进入NVDIA控制面板：
点击左下角的 系统信息：
点击组件，显示CUDA后续即为版本号
2.下载CUDA
CUDA 11.3 下载网址：CUDA Toolkit 11.3 Downloads | NVIDIA Developer
或者直接百度搜索：CUDA + 希望下载的版本号，进入官网即可
进入以后，选择Windows
然后，依次选择图中的深色选项，最后点击红框里的下载。
下载完成后，打开后首先会解压，路径可以改成一个新的文件夹：
解压完成后，等待：
同意并继续。
选择精简版会直接在默认路径安装，可以选择自定义，然后改路径：
继续：
可以更改安装路径，然后等待安装，安装完成后建议重启电脑。
在桌面打开一个新的Terminal，输入 nvcc -V
显示则安装成功。
二、cuDNN的安装
1.下载cuDNN
下载地址：https://developer.nvidia.com/rdp/cudnn-download
登录后才可以下载，没有账号先注册。
然后勾选。
选择11.x版本
2.安装cuDNN
下载完成后解压，会出现如下文件，
分别将三个文件夹下的所有文件拷贝至CUDA安装目录下对应的文件夹中：
然后将环境变量的第二条改成如下：
三、Anaconda环境的配置
首先，进入base(root)的Terminal，这里介绍重新建一个env。
如果，之前的env没有安装Pytorch也可以使用，请直接往下滑，跳转到：四、Pytorch的安装。
首先进入Terminal：
点击base(root) 右侧的按钮，选择Open Terminal
这里新建一个名叫pytorch_gpu的env，可自定python版本，然后输入：
conda create -name pytorch_gpu python=3.7 anaconda
按照操作完成即可。
四、Pytorch的安装
Pytorch 安装命令获取网址：PyTorch
往下滑，找到这里，然后依次选择Conda或者Pip，CUDA11.3，然后就会自动生成蓝框中的安装命令：
内容如下：
conda install pytorch torchvision torchaudio cudatoolkit=11.3 -c pytorch
然后进入刚才新建的pytorch_gpu的Terminal，两种进入方法：
1.在Windows开始菜单中打开
2.在Anaconda Navigator中打开，参见步骤三
进入后，将命令输入并安装即可。
五、验证
继续在Terminal输入python，然后输入
import torch
再输入：
torch.cuda.is_available()
输出True，即为成功。
如果为False，可以先试一下重启电脑。
此外，还可以查看一下版本信息：
-
print(torch.__version__)
-
print(torch.version.cuda)
完整过程如下：
大功告成！
总结
大家按照步骤完成就可以啦。使用GPU后，计算会非常快，越好的GPU速度提升会越显著。
以上就是今天的教程啦，本文仅仅简单介绍了环境的搭建，欢迎大家评论，分享看法，提出意见。最后希望大家认真完成自己的项目哦~