博主已有：Pycharm+Anaconda
通过这篇博客你将获得：Cuda10.2+cuDNN11.x+Pytorch1.8.0(GPU)
import torch print(torch.cuda.is_available()) print(torch.__version__) print(torch.version.cuda)True 1.8.0 10.2
目录
今天是三月1日，开学的第一周，这个学期准备进军深度学习，主打的框架就是PaddlePaddle和Pytorch，PaddlePaddle都好说，有线上的Aistudio，头疼的是Pytorch，作为深度学习最经典的框架，肯定是必学无疑的。学习Pytorch，第一步就是配置环境，gpu和cpu的pytorch代码完全是两个东西，我之后想的是代码写好用云服务跑，所有代码得用gpu版本的，所以本地的Pytorch必须得是Gpu写的。实话实话，这中间我遇到了很多坑，所以我才想写这篇博客，帮大家以最快速的方式配制好深度学习的环境，话不多说，请看教程：
1.确定自己电脑有无显卡
搜索框搜索设备管理器进入，向下查找找到显示适配器：
nvidia开头的即为电脑的显卡，我这里是MX450。
2.确定显卡支持的cuda最高版本
打开windows搜索框，搜索nvidia control panel，点击nvidia control panel进入：
点击系统信息：
点击组件，查看自己显卡支持Cuda最高版本，我这里最高支持11.1.96，所以我安装11.1.96以下版本的cuda都可以，在本篇博客中，安装的是10.2版本。
3.下载安装cuda
3.下载安装cuda进入cuda官网：cuda官网
下载10.2版本的cuda，点击进入：
依次选择Windows，x86_64，10(win11系统可以兼容win10版本的cuda），local版本，网络版经常安装不成功。报错：nvidia安装程序无法继续未成功完成下载。
Download下载base installer，下面两个是补丁，可以下载也可以不下载，本篇博客没有下载。
- 装补丁1(发布于2020年8月26日，选装)此修补程序解决了CUDA 10.2中捆绑的cuBLAS库中的一个问题，该问题在罕见的极端情况下导致数据无提示损坏。
- 补丁2(发布于2020年11月17日，选装)此修补程序解决了cuBLAS库批处理的GEMM APIs中的一个问题，该问题在混合精度和快速数学的大批量计数的罕见情况下，导致数据无提示损坏。
之后按照指示安装就可以了，在安装选项时选择自定义安装：
我没有改选项，直接下一步安装成功，如果出现问题可以看这篇博客：win10/win11+NVIDIA MX350笔记本自带显卡+CUDA10.2+Python3.6+Anaconda3从零开始配置深度学习环境
这里注意要将安装位置记录下来，之后安装cuDNN时候会用到：
等待一段时间，之后检验一下是否安装完成，win+r，输入cmd，在窗口中输入nvcc -V
出现上述信息即为安装成功，注意nvcc -V的V需要大写，中间有个空格。
4.安装cuDNN
在英伟达的官网下载与cuda版本相应的cuDNN版本，官网链接为：cuDNN
点击download cuDNN，中间会让你填写个人信息，按照表格规范填写就可以了。
点击历史版本
下载匹配cuda10.2的，也就是8.5.0这个版本：
下载下来时是一个压缩包，解压，将cudnn文件夹里面的bin、include、lib文件直接复制到CUDA的安装目录下。这里的安装目录就是之前自定义cuda安装的位置：
5.安装Pytorch(重要！易踩坑！）
我大部分时间都花在安装这上面了，看了很多教程，不管是conda安装还是pip安装，最终的torch都是cpu版本的！
当时真的是百思不得其解，以为是自己的操作问题，不停的创建新环境，无论重装多少次，都一样，torch.cuda.is_available()返回false！终于在在一篇博客中找到了答案：torch.cuda.is_available()返回false——解决办法
因为我被conda镜像安装给坑了。我以为下载的是GPU版本，其实镜像下载的是cpu版本，所以我必须手动去官网用pip下载安装。
接下来请按照我的步骤安装，一步都不能错！
首先进入pytorch官网：Pytorch官网，点击Get Started，点击install previous versions of Pytorch，查看历史版本
找到10.2cuda对应的torch，torchvision，torchaudio版本，记住这个版本号
pip install torch==1.12.1 torchvision==0.13.1 torchaudio==0.12.1
需要用pip下载，但是如果直接用pip指令在官网下载，速度非常慢导致torch下载失败，所有我们需要先下载.whl文件，再在本地安装！
.whl文件下载地址：torch_stable
cpu开头的是cpu版本的，可以直接跳过，我们看 cu开头的，cu102表示cuda10.2，cp38对应python3.8，按照需求下载就可以了。
如果没有对应的适配windows的文件包，这时候就可以去下载和自己cuda版本适配的较低版本的torch的搭配，记住版本号然后再去下载！
先用conda创建虚拟环境，win + R cmd进入控制台
conda create -n Pytorch-Gpu python=3.8
conda activate Pytorch-Gpu
在刚才的虚拟环境中安装之前下载好的.whl文件，先安装torch的.whl文件，再安装另外两个。
至此，Pytorch的环境就算安装完成了，可以在控制台进行测试！
win+R cmd 进入控制台，先激活虚拟环境：
conda activate Pytorch-Gpu
进入Python，导入torch库，查看cuda是否能用：
import torch
print(torch.cuda.is_available())
print(torch.__version__)
print(torch.version.cuda)
True了，说明已经成功安装了！至此Pytorch就算完成安装了。
6.pycharm切换不了环境问题
我本以为完成上一步就算是打工告成了，现在虚拟环境已经能用了，只要用Pycharm选择这个虚拟环境就可以了，但我万万没想到，这个虚拟环境怎么也切换不过去！如果你出现了我上述这种情况，那么可以借鉴我下面这种做法。
之前我们在cmd控制台能够正常运行，那么在pycharm的终端也应该可以，所有在Pycharm首先激活
再运行一下，True了，说明没问题了！ 出现这个问题可能是因为我在安装的时候选择的cuda版本超过了支持的cuda版本，后面我也会重新创建一个环境再走一遍流程的！
7.总结
这篇博客可谓是良心制作！一步一步，自己感觉很详细，质量也很高，算是对配置Pytorch深度学习环境的一个总结！大部分人想学编程都被配置环境劝退，这个过程 难免会遇到各种各样的坑，但也正是这些坑让我们不断成长！希望这篇博客可以帮助到你，早日进军深度学习！