更新升级torch版本

        虽然说PC很难跑深度学习，但是有时候debug和跑通一些简单的demo还是很有用的。做横向的时候难免会遇到甲方使用的torch包版本较高（自己的从安装后就没改过），需要更改自己的torch版本区适应甲方，记录下自己升级torch版本的过程，其实和装一个新的pytorch也没有啥区别。记得自己第一次安装pytorch的时候死去活来，现在重新装却得心应收，其实并不复杂：

        1.查看你要更新的pytorch版本需要的cuda是什么Previous PyTorch Versions | PyTorch

        比如我这边想要torch为2.1.0，我们就可以看到需要的CUDA有11.8和12.1两种版本。同时，对应的命令行也是我们安装好CUDA后所需要执行的安装指令。

       2.查看自己目前安装的CUDA版本是什么，使用命令nvcc -V（我这里是11.8，因为我这是搞定了才写的博客哈哈哈哈），如果你的CUDA版本满足条件，就卸载老pytorch直接按照命令装新的就完事了；如果不满足，我们就得重新安装新的CUDA。

        3.查看自己电脑所支持得最高CUDA是多少，这个很重要，现在要求越来越高，很多老一点的电脑也许都没办法能够安装满足要求的CUDA了。首先，NVIDA控制面板 -> 左下角系统信息 -> 驱动程序版本，可以获得一个序号。

        然后，通过下面这个网址查看自己电脑所支持的最高CUDA版本CUDA 12.3 Update 2 Release Notes (nvidia.com)，往下拉拉可以看到一张图，对应一下就可以了。如果不够的话，那就只能换台新电脑了哈哈哈哈哈哈哈哈哈哈哈（手动狗头），确实是没办法了。

        确定你需要的CUDA版本后，我们需要先将老版本删掉，直接点开控制面板->应用->程序卸载->搜索CUDA->全部卸载（我这刚装的，不能卸载，你们卸载自己的就行）

        你需要在这个页面中下载你需要的CUDA：CUDA Toolkit Archive | NVIDIA Developer，安装过程没啥，一直继续和下一步就好了，无敌

        安装好了之后，就可以重新使用nvcc -V查看啦！！更新成功了就好

        最后，如果你是有下载cudnn的，那么你还需要根据自己以前设置过的环境变量Path里面关于老的都改成新的就好了，比如Path里面以前存在：C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.0\bin，我换成11.8后，就改成C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8\bin。

         4.把老版本的pytorch用conda uninstall pytorch指令删除，根据前面提到的指令下载新的pytorch就好了！！完结，是不是贼简单哈哈哈哈，想起以前自己被摧残的日子，现在一切多么简单！！！