目录
1、安装pycharm 以及anaconda
2、Anaconda创建虚拟环境（此步骤也可以先跳过，安装完cudnn后用命令行创建）
3、查看驱动版本号，安装CUDA、CUDNN
3.1 下载CUDA
3.2 CUDNN的下载
4、安装pytorch
4.1 创建虚拟环境并激活环境
4.2 选择pytorch
1、安装pycharm 以及anaconda
教程参考blog:链接
pycharm有在读学生的话可以申请免费教育报，教育包有报错的话见：链接
其中本电脑安装版本：
pycharm版本：专业版2021.2.3
anaconda版本：1.9.0
python版本;3.9.7
2、Anaconda创建虚拟环境（此步骤也可以先跳过，安装完cudnn后用命令行创建）
其中名称为 pytorch
版本为 3.9.7
location在 C盘
创建完毕后界面
3、查看驱动版本号，安装CUDA、CUDNN
在命令行中，通过nvidia-smi命令查看驱动值、cuda的版本号
上图第一行的Driver Version就是显卡的驱动版本号，在找到这个版本号后，我们就可以通过显卡驱动与CUDA版本对应关系
注意： 我们可以向下选择CUDA的版本。不一定说非要一致。
3.1 下载CUDA
首先需要确定电脑是支持cuda的，查询本机显卡是否支持CUDA的安装，是否存在列表中，
网址:CUDA Legacy GPUs | NVIDIA Developer.
如果有下载你想要的cuda版本，我下载的是10.2版。点击进入网址CUDA Toolkit Archive | NVIDIA Developer.选择想要下载的版本，进行下载
下载文件为exe可执行文件，点击执行。
然后点击ok安装，安装选项选自定义安装。如果是第一个安装，则直接默认全选。
这一步安装的位置需要截图记录，后面安装cudnn需要使用。
一直到最后结束使用。下面验证安装的cuda是否正确。输入以下命令:
nvcc -V
3.2 CUDNN的下载
官网下载地址：https://developer.nvidia.com/rdp/cudnn-download
先注册一个账户并填写完信息.
根据自己的CUDA版本自行选择下载.
根据后面的CUDA版本选择前面要下载的cudnn.
下载后是一个压缩包，解压到当前文件夹。出现一个cuda文件夹。里面包含以下文件：
把这些文件复制下，粘贴到3.1步骤安装cuda的文件路径中。就是这个：
直接粘贴到这个文件夹下面：
需要添加环境变量，系统变量->Path中新增C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\lib\x64
接下来检测cudnn是否成功。
win+r->cmd打开终端，进入cuda的安装目录，找到extras文件下的demo_suite文件夹，运行bandwidthTest.exe
通过，没问题。再运行下 deviceQuery.exe 文件。
显示通过，安装cudnn没问题。
4、安装pytorch
4.1 创建虚拟环境并激活环境
在左下角进入应用，找到Anaconda,进入Anaconda Prompt:
若第二步骤没有创建名为pytorch的虚拟环境，选择python 3.9版本，则输入以下命令创建虚拟环境
conda create -n pytorch python=3.9注:pytorch是虚拟环境名字，3.9是python版本
激活创建虚拟环境pytorch
conda activate pytorch4.2 选择pytorch
进入官网：Pytorch官网
因为 我们安装的CUDA是10.2版本的，所以我们选择这条命令。继续在激活的pytorch环境下输入这一条命令：
conda install pytorch==1.9.0 torchvision==0.10.0 torchaudio==0.9.0 cudatoolkit=10.2 -c pytorch
慢慢等待暗转个完毕后输入以下命令验证。
若次过程等待时间较长，可以试下这种镜像下载。较快
pytorch安装-国内镜像源_still_learning的博客-CSDN博客_pytorch镜像
import torch
torch.__version__ //注意是两条_
torch.cuda.is_available()若显示true则说明万事大吉。
接下来，在pycharm编译器中配置pytorch见下：
链接
https://blog.csdn.net/java_pythons/article/details/114943984?spm=1001.2014.3001.5502