谈谈网站的开发流程如何快速网络推广
一、CPU版本PyTorch安装
直接通过pip命令安装即可：pip3 install torch torchvision torchaudio
若需要离线安装，可以考虑下载whl包然后自行安装。下载whl的链接：https://download.pytorch.org/whl/torch/。
手动下载whl时，需要注意PyTorch与torchvision之间版本对应关系。可以到https://github.com/pytorch/vision或https://pytorch.org/get-started/previous-versions/查看。
二、GPU版本PyTorch安装
目前PyTorch不仅支持NVIDIA的GPU，还支持AMD的ROCm的GPU。
步骤：
- 根据NVIDIA驱动程序版本和要安装的PyTorch版本，确定安装哪个版本的CUDA。
- 根据CUDA版本，安装对应版本的cuDNN。
1.GPU计算能力要求
对于N卡，需要计算能力（compute capability）≥3.0。
可在https://developer.nvidia.cn/cuda-gpus#compute查看GPU计算能力。
2.CUDA版本选择
2.1 根据NVIDIA驱动程序版本确定支持的最高CUDA版本
打开NVIDIA控制面板→系统信息→组件，查看NVCUDA64.DLL的产品名称栏，可查看驱动程序支持的最高CUDA版本。
或在命令行中输入nvidia-smi，在CUDA Version栏查看支持的最高CUDA版本。
2.2 根据PyTorch版本选择CUDA版本
或在https://download.pytorch.org/whl/torch/查看过往版本PyTorch支持的CUDA版本。
此处的cu121表示支持CUDA12.1版本
3.CUDA安装
NVIDIA官网通常只展示最新的CUDA版本，过往CUDA版本可在https://developer.nvidia.com/cuda-toolkit-archive下载。
选择相应CUDA版本后，选择要安装的平台，Installer Type安装方式选择exe(local)本地安装。
双击.exe文件进行安装，首先需要输入临时解压路径，临时解压路径在安装结束后会自动被删除，保持默认即可。
选择精简，会安装所有组件并覆盖现有驱动程序。点击下一步。
如果出现以下提示，表明缺少Visual Studio，部分组件不能正常工作。不用在意，选择I understand…。点击Next。
安装完成，点击关闭。
可在命令行使用nvcc --version查看CUDA版本信息。
4.cuDNN安装
cuDNN（NVIDIA CUDA Deep Neural Network library，深度神经网络库）是用于深度神经网络的GPU加速原语库。cuDNN为标准例程 (如前向和反向卷积、注意力、matmul、池化和归一化) 提供了高度调优的实现。
cuDNN下载地址：https://developer.nvidia.com/cudnn-archive。
cuDNN下载后是一个压缩包，解压后包含bin、include、lib三个文件夹。
找到CUDA安装目录，默认在C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.1。
分别将cuDNN的bin、include、lib\x64文件夹中的文件拷贝到CUDA的bin、include、lib\x64文件夹中。
下面验证cuDNN是否安装成功。进入C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.1\extras\demo_suite目录下，打开命令行，分别执行deviceQuery.exe与bandwidthTest.exe。如果出现类似下图的输出则说明安装成功。
5.PyTorch安装
新建一个虚拟环境来安装PyTorch。
在命令行输入conda create -n pytorch-2.6.0-gpu python=3.12创建一个环境名为pytorch-2.6.0-gpu，Python版本为3.12的虚拟环境。
使用conda activate pytorch-2.6.0-gpu激活pytorch-2.6.0-gpu虚拟环境。
在官网https://pytorch.org/get-started选择要安装的版本，复制命令，在命令行中执行以安装PyTorch。
若安装速度较慢或安装失败，可配置pip的国内镜像源pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple。