朋友们，你们有没有为安装GPU版本的pytorch而苦恼过？搜的明明是GPU的安装教程，一顿操作猛如虎，最后print(torch.cuda.is_available())结果居然是False。不要慌，接下来给你介绍一个在anaconda虚拟环境下安装的最稳妥的教程！！！
1 Anaconda虚拟环境建立
1.1 创建新环境
conda create -n py39 python=3.9# py39是指环境名字，你可以改为你想要的名字# python=3.9中的3.9是指安装的python版本，你也可以改为其他版本1.2 激活（进入）虚拟环境
conda activate py39# py39是你对应的环境的名字# 进入环境后，你会发现括号内会有环境的名字1.3 退出环境
codna deactivate2 Anacond虚拟环境里安装GPU版本Pytorch
2.1 CUDA/cudnn/CUDAToolkit简单区分
CUDA | 是一个运行平台，是用于“GPU通用计算” |
cudnn | 深度学习计算的软件库 |
CUDA ToolKit | 指CUDA的工具安装包。 1.CUDA ToolKit(nvidia)： 完整的CUDA工具安装包，提供有nvidia的驱动程序、开发CUDA程序相关的开发工具包等。 2.CUDA Toolkit (Pytorch) 不完整的CUDA工具安装包，主要包含使用CUDA相关的功能时以来的动态链接库，不会安装驱动程序。 3.区别 安装了CUDA Toolkit (Pytorch)后，只要系统又与当前所兼容的cuda toolkit的nvida的驱动器，则已经编译好的CUDA相关程序就能直接运行，不需要重新编译 |
2.2 pytorch与cuda关系简单介绍
pytorch是一个深度学习的框架，能够调用cuda进行gpu加速。一般来说你的电脑里是有相关cuda的驱动的（可用nvidia-smi命令验证，能运行就说明有，不能运行去搜索安装），所以要在anaconda虚拟环境里安装pytorch就不用安装cuda了
2.3 通用安装教程
在cmd（windows）或者终端（linux）输入命令
nvidia-smi以笔者个人电脑为例，在命令行键入上述命令后可以看到下图这个效果
其中CUDA Version后是指最高支持的cuda版本，所以你要安装的pytorch能够调用的cuda不能超过10.2！！！
笔者这里以安装10.2版本的为例
首先，去pytorch官网，如下图
如果有你想要的CUDA版本，笔者这里不建议使用conda命令进行安装（不仅慢还容易安装到cpu版本的），请在Package这里选择pip如下图
请注意，我们最终的目的，就是要安装上图用蓝框圈出来的torch、torchvision和torchaudio这三个包。
有些人会发现了，这里的CUDA11.7、CUDA11.8都太高了，而我只想要安装个CUDA 10.2，那怎么办呢？不要急，点击官网对应的下面这张图的位置
找到带CUDA 10.2的并且是pip安装的，如下
在浏览器进入最后一个蓝框圈出来的地址（就是上图pip命令最后给的网址），就是在这个地址，我们要找到并下载上述的这三个包。请注意，一定要下载带"+cu"字样的、与你python版本一致的、与你的操作系统一致的包。
我想要安装cuda 10.2的、windows平台下的、python版本为3.9的包，包下载到哪里都可以，最终下载完的三个包如下图
然后，打开cmd或者终端，激活你想要安装pytorch的环境
激活完环境后，运行命令"pip install 包的完整路径"。依次安装完这三个包就好啦。
比如我想要在我建立的“py39”环境下安装pytorch，
# 激活环境conda activate py39# 安装包，假设我下载上述3个包在桌面上pip install C:\Users\wxq\Desktop\torch-1.10.1+cu102-cp39-cp39-win-amd64.whlpip install C:\Users\wxq\Desktop\torchaudio-0.10.1+cu102-cp39-cp39-win-amd64.whlpip install C:\Users\wxq\Desktop\torchvision-0.11.2+cu102-cp39-cp39-win-amd64.whl2.4 验证是否安装成功
新建一个python文件，写上以下代码
import torchprint(torch.cuda.is_available())运行，如果输出True，那就是成功了。
来源地址：https://blog.csdn.net/m0_46128316/article/details/129711363
