笔者在很久之前就装过Pytorch，但当时装的是CPU版本，今天尝试装GPU版本，几经波折，总结一些问题在此，以少走弯路。

一． 版本号选取问题

1. 查看自己的CUDA版本

对于英伟达30系显卡，算力达到8.x，一般需要适配11.x的CUDA。自己可以针对性根据自己的显卡算力查看适配的CUDA。

按下WIN+R键，输入cmd，进入命令行界面。

输入nvidia-smi，可以查看NVIDIA显卡（笔者显卡的型号为3060）支持的CUDA版本为11.8，说明我们在安装Pytorch对应的CUDA版本时，应选择11.8以下的版本。

也可以由控制面板（在图窗搜索栏搜索NVIDIA Control Panel）选择进入NVIDIA的控制面板进行查看，结果是一致的。

2. 查看Pytorch版本

进入Pytorch官网，可以看到在2023年2月18日这天前Pytorch最高支持的CUDA版本为11.7，尚未支持CUDA 11.8，我们选择CUDA 11.7版本对应的Pytorch版本下载即可。

3. 下载CUDA和cuDNN

由于CUDA以及cuDNN服务器在国外，这导致在国内下载CUDA和cuDNN都十分麻烦，如果要实现平稳下载，建议是进行科学上网。下载途径均可通过NVIDIA官网找到。

3.1 CUDA的下载

根据自身的系统选择下载相应的CUDA版本。笔者的系统为Win 11，选择local方式，点击下载。

完成下载后得到对应的安装文件，双击后进行安装即可，安装过程根据自身需要勾选选项，笔者选择了自定义设置并一路默认安装。

3.2 cuDNN的下载

cuDNN的下载稍烦一些，需要先注册一些信息后再完成下载。完成信息注册后，尝试下载。

然后就会在下载中频繁遇到这种0B/s的迷惑行为，哪怕你觉得快到终点线了。

尝试恢复下载，就会出现File Not Found or Link has Expired的提示。

解决方式：迅雷下载

这就说明一件事，人家不想让你以这种方式下载成功。那我们换一种方式，用迅雷下载，选中对应的下载文件，右键复制链接。

新建一个迅雷下载任务，完成下载。

将下载后的文件恢复后缀名为.zip后，解压文件，发现里面应该有三个文件夹：

直接按住 Ctrl键，同时选中bin，include 和 lib 这三个文件夹，将这三个文件夹内的内容复制到CUDA文件夹对应的目录下，我CUDA的安装路径如下，其中v11.7为CUDA的版本号：

<code>C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.7

复制完后打开bin文件夹，可以发现在bin文件夹中已经合并了cuDNN的bin文件夹的内容。

3.3 PATH的设置

进入高级系统设置，设置环境变量，修改PATH的内容。新加入：

<code>C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.7\libnvvp

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.7\bin

完成设置后，打开命令行界面，输入nvcc -V，如果可以看到出现CUDA的相应信息，说明已经成功安装。

下面可以看见CUDA 11.7版本已经成功安装：

二. 虚拟环境建立

恭喜你！至此已经完成了CUDA和cuCUDA的下载，接下来让我们进入最后的Pytorch安装，但先别急，咱先配置下环境。

1.创建虚拟环境（如果确定只装一个版本，此处可略）

由于笔者上次为系统已装过cpu版本的pytorch，所以再次安装pytorch时笔者准备用Anaconda先建立一个pytorch-gpu版本下的虚拟环境，以避免对之前文件的干扰。通过Anaconda的Prompt工具进入命令行界面，输入

<code>conda create -n name python=3.7 # python版本可自己指定,3.8、3.9也是可以的

此处新建的python为3.7版本，然后再用activate切换到新环境：

conda activate pytorch-gpu

pytorch-gpu即为我们新建立的env。

用env list 可以查看目前所有建立的env：

2. 配置pip源

笔者选择用pip进行下载（我是不会告诉你有一个悲伤故事叫 “我始终没有找到通过conda实现成功下载的方法” ）。

在下载之前，我们先一劳永逸地配置一下pip源，在 C:\Users\用户名 目录下新建pip文件夹（比如我的用户名是10929），然后在pip文件夹中用记事本创建一个命名为 pip.ini 的文本文件，在文件中写入：

<code>[global]

index-url = https://mirrors.huaweicloud.com/repository/pypi/simple

trusted-host = mirrors.huaweicloud.com

timeout = 120

笔者在这里选的是华为云的镜像，大家也可以选择阿里云、豆瓣、清华等其他的pip镜像，思路是一致的。

3. 安装Pytorch

现在我们可以在命令行中输入官网上提示的安装命令了：

pip3 install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu117

接下来就是正常的安装过程，完成安装后，可通过如下的命令来查看torch的信息，以确认torch是否已经安装成功。

import torch

print(torch.__version__) # 查看torch当前版本号

print(torch.version.cuda) # 编译当前版本的torch使用的cuda版本号

print(torch.cuda.is_available()) # 查看当前cuda是否可用于当前版本的Torch，如果输出True，则表示可用

可以看到，在建立的这个虚拟环境中已经成功安装了cuda 11.7版本的pytroch。