pytorch gpu版本安装（最新保姆级安装教程）
查看cuda版本号
cmd命令行输入以下命令：
nvidia-smi
安装CUDA
① 为什么安装pytorch-GPU前一定要安装CUDA和CuDNN呢？
在安装PyTorch-GPU之前，需要先安装CUDA和cuDNN的原因如下：
CUDA是NVIDIA推出的并行计算平台和API模型，它使得显卡可以用于图像渲染和计算以外的目的，例如通用并行计算。PyTorch通过CUDA可以充分利用GPU的计算能力，加速深度神经网络的学习和推理过程。
cuDNN是CUDA的扩展库，专门针对深度神经网络中的基础操作提供高度优化的实现方式，例如卷积、池化、规范化以及激活层的前向和后向过程。使用cuDNN可以大大提高深度学习模型在GPU上的运行效率。
因此，在安装PyTorch-GPU之前，需要先安装CUDA和cuDNN，以便能够充分利用GPU的计算能力，加速深度神经网络的学习和推理过程。如果不安装CUDA和cuDNN，PyTorch-GPU将无法正常工作。
从官网下载对应的CUDA版本，由于我的显卡版本为12.7，我只需要安装小于或者等于12.7都是可以的，因此这里我安装12.6.0。
官网地址：CUDA Toolkit Archive | NVIDIA Developer
查看是否安装成功，在命令行输入以下指令进行检查，出现以下类似的输出就证明安装成功。
nvcc -V
安装CuDNN（加速器）
进入官网下载（需要注册或者谷歌登录）：
官网
安装并解压完后，将这几个文件夹复制到CUDA安装路径下，就已经安装完成啦😎
精简安装到默认路径
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.6
接下来验证CUDA是否安装成功，进入CUDA安装路径下的demo_suite目录，在地址栏输入cmd并回车即可进入该目录下，也可以直接在cmd命令行进入该目录
进入该目录下后，依次输入以下命令，若结果均为PASS，那么恭喜CUDA已经安装成功了
.\bandwidthTest.exe
.\deviceQuery.exe
至此CUDA安装结束
查看Pytorch与CUDA版本的对应关系
查看CUDA与Pytorch的版本对应关系有两种方式
一是访问官网Previous PyTorch Versions每条安装命令前均会说明对应的CUDA版本
查找对应的上，满足即可，需要版本兼容
whl安装
但是这里提供的版本是相对较少的，如果想查看更多版本可以通过方式二访问官网
比如你想安装CUDA12.6版本对应的Pytorch就搜索cu126（.whl文件名中的cu126表示cuda的版本为12.6以此类推），会出现符合要求.whl文件，在文件名字最开头就有torch的版本信息，比如第一个结果对应的torch版本是2.1.6但该文件是linux下的，后面如果用whl文件安装特别需要注意这个细节，此外要注意别下载CPU版本去了，建议查看后面的whl方式安装步骤再进行安装，这里只是先做一下准备工作
当然你也可以先确定torch版本再找对应cuda的版本也是可以的
cu126版本号cuda12.6.0
cp39是Python的版本号python=3.9
torch torchaudio torchvision三个对应即可，参考刚刚找的3个版本号
官网
依次点击上面红框标注的三个.whl文件进行下载，100M带宽下大概四五分钟就能下好，下载好的文件如下：
下面正式进入whl安装，需要在虚拟环境中进入到刚才那三个.whl文件下载的路径
如果当前的路径还在C盘下，而三个.whl文件下载的路径在D盘的话要先输入D盘的盘符D:
其他下在非C盘的以此类推，否则直接输入cd +路径是无法成功进入目标路径的，如果下载在C盘则直接cd即可
比如.whl文件下载在D:\Downloads\Misc则依次输入以下命令：
D:
cd D:\Downloads\Misc
我自己的话这样
C:\Users\Eternity\Downloads创建环境
如，要创建一个名为pytorch的虚拟环境，其中Python版本为3.9，（因为选择的是cp39所以环境要安装3.9的，否则会报错，不支持py版本平台）可以运行：
conda create -n pytorch python=3.9注意别忘了要先激活虚拟环境
conda activate pytorch去到下载whl的目录
cd C:\Users\Eternity\Downloads先安装torch，输入pip install torch然后按Tab键自动补全：
再安装torchvision，输入pip install torchvision然后按Tab键自动补全：
最后安装torchaudio，输入pip install torchaudio然后按Tab键自动补全：
检查一下是否安装好以上依赖：
验证一下Pytorch是否安装成功，在命令行先输入python进入python环境，接着分别输入以下三句命令
import torch
print(torch.__version__)
print(torch.cuda.is_available())
可以看到一个大大True，恭喜安装成功，可以愉快使用GPU进行加速了！