关于安装Pytorch中自己踩到的一些小坑

在安装Pytorch前曾在网上查找过不少安装资料，但是还是遇到了一些坑，最近闲下来想找个地方把当初遇到的坑总结一下，为了防止以后再遇到类似的情况。

第一次安装参考的连接（该教程堪称胎教级教学但是未提及电脑驱动问题，我也是因此踩了不少的坑，如个人电脑驱动在GTX2040以上可直接根据下面教程安装）：有幸遇见-b站最全最简洁易学的深度学习环境配置教程Anaconda+Pycharm+CUDA+CUdnn+PyTorch+Tensorflow_哔哩哔哩_bilibili深度学习环境配置Anaconda+Pycharm+CUDA+CUdnn+PyTorch+Tensorflow,如果您装好了动动小手手点个赞吧视频中出现的安装资源链接:https://pan.baidu.com/s/1NUUb5H0E2IGhgnu8JnUgBw 提取码:6vb2CSDN：https://mp.csdn.net/CDSN资源：https://download.csdn.nhttps://www.bilibili.com/video/BV1ov41137Z8?p=1

 根据上面的安装教程完成后，仍然无法正常运行torch。在终端输入conda -list指令后发现，下载的GPU版本的pytorch被自动降级为了[cpuonly]版本，原因是当初选择的CUDA是跟我电脑显卡版本（GTX1050）一致的CUDA9.0，安装的CUDA版本过低。 

接下来思路就清晰了：先查看电脑驱动→升级电脑驱动→查找对应驱动的CUDA→在官网上安装对应的pytorch

1.首先查看当前电脑的驱动版本：

在终端界面输入nvidia-smic查看当前的驱动版本（Driver Version）以及可以安装的最高的CUDA版本（CUDA Version） 

2.根据对应的最高版本，去CUDA官网（https://developer.nvidia.com/）寻找合适的CUDA版本（此处下载的是CUDA10.2）

3.对应自己下载的CUDA版本去下载Pytorch（1.10）

查看当前电脑的配置（GPU或者CPU）对应的CUDA版本：

Release Notes :: CUDA Toolkit Documentation

4.完成

一些下载路径：

CUDA Toolkit：CUDA Toolkit Archive | NVIDIA Developer

神经网络加速包 cuDNN：cuDNN Archive | NVIDIA Developer

PyTorch：Previous PyTorch Versions | PyTorch