CUDA10.2安装+pytorch1.7.1安装+torchvision0.8.2安装 + cudnn安装（深度学习GPU加速）

1、CUDA

首先根据显卡下载适用的CUDAhttps://blog.csdn.net/java_pythons/article/details/114659922

win+r.输入cmd打开终端输入：nvcc -V可以查看自己的cuda版本。

2、CUDNN

cuda10.2安装好，接下来是cudnn
下载cudnn，链接：https://developer.nvidia.com/rdp/cudnn-download

找到对应版本下载。
下载解压后得到一个cuda文件夹，这个文件夹里面有3个文件夹

把里面的文件复制粘贴到cuda安装目录的对应文件夹下
不知道cuda安装在哪个目录可以用 set cuda查看。

复制完成的bin目录（include文件夹也是如此复制，在此不再展示）

复制完成的lib->x64目录

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。

3、安装pytorch

cuda跟cudnn准备完毕，该安装pytorch了，下载链接https://download.pytorch.org/whl/torch_stable.html
这个版本很好看，cu102表示就是cuda10.2的意思，cp38表示python3.8的意思，然后win跟linux表示不同系统然后1.7.1就是版本。上图里面就是pytorch版本1.7.1，torchvision版本0.8.2。


激活虚拟环境：

conda activate torch

在conda的虚拟环境下进入刚才下载完成的目录（cd 下载目录）。

pip3 install “刚才下载的文件名”（pip3 install torch-1.7.1-cp38-cp38-win_amd64.whl）

等待一会，成功安装（安装完先不要关闭，将要安装torchvision）

安装 torchvision

下载 torchvision0.8.2（https://download.pytorch.org/whl/torch_stable.html）
pip3 install “刚才下载的文件名”（pip3 install torchvision-0.8.2-cp38-cp38-win_amd64.whl）

输入python进入python环境。
导入torch：import torch
查看版本:

输出1.7.1。
安装完毕

在pycharm中使用torch请参考（https://blog.csdn.net/java_pythons/article/details/114943984?spm=1001.2014.3001.5502）
在指定的torch环境中pip安装模块请参考（https://blog.csdn.net/java_pythons/article/details/114966809）