关于CUDA+Torch+TorchVision+Python环境配置问题

背景知识

1、GPU的并行计算能力，在过去几年里恰当地满足了深度学习的需求。在训练强化学习模型时，为了提供更好地算力和训练时间，因此需要使用GPU。
2、CUDA：是Nvidia推出的只能用于自家GPU的并行计算框架。只有安装这个框架才能够进行复杂的并行计算。主流的深度学习框架也都是基于CUDA进行GPU并行加速的，几乎无一例外。还有一个叫做cudnn，是针对深度卷积神经网络的加速库。

本文主要讲一下配置这个环境的心路历程，后面再遇到类似的问题可以回到这篇进行查阅。

一、首先安装Anaconda（含解释器python（base）、numpy等一系列包）。

二、安装编译器Pycharm。

以上1和2的安装就不再赘述。

三、查看自己的cuda是否可用。

这块主要是版本一定要对应好，否则一直显示无可用Cuda。

python
import torch
print(torch.cuda.is_available(