更新显卡驱动+下载安装cuda和cudnn+下载torch+查询CUDA和torchvision版本

记录一下本机版本：
tensorflow-gpu2.2.0，CUDA10.1，keras2.3.1，cudnn7.6.5

更新显卡驱动

首先在电脑->设备管理器->显示适配器里找到电脑的显卡配置。

双击下面这个NVIDIA GefORCE GTX 1050Ti可以看到详细配置。然后进入网址 http://www.nvidia.com/Download/index.aspx 根据显卡型号搜索对应的显卡驱动并下载。

下载好之后，在详细配置页面点击“”更新驱动程序。（如果下载的驱动是exe文件，直接双击安装即可，位置就装在c盘）。
我下载的是exe文件，选择安装图形驱动文件和Geforce experience；安装推荐版本。之后就进入安装中了。安装成功后重启即可。

安装cuda和cudnn

（1）安装duca
首先查看驱动版本和cuda的对应关系，在显卡里看到的驱动版本不对。
https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html 这个网址可以查看cuda和显卡驱动版本的对应关系，如下：

查看自己的驱动版本：
按win+Q，输入NVIDIA Control Panel 打开NVIDIA控制面板。
如下：
可知我的是461.72。因为考虑到我下载的torch是1.7.1的，所以待会选择cuda10.1.对应关系放在后面。
cuda10.1的下载地址：
https://developer.nvidia.com/cuda-toolkit-archive
下载好后选择自定义安装：
在打开之前要设置一个临时解压目录，可以放在D盘，如果C盘空间不够的话。

第一个除了visual tudio全安装了，后面两个由于原来版本就挺高了，就没安装。安装目录我也放在D盘了，C盘空间不太够。
然后就安装完成了。
在cmd里使用 nvcc -V可以查到版本号。
（2）安装cudnn
地址：https://developer.nvidia.com/cudnn
首先要填写一些问卷，填完了之后下载cuda版本对应的即可。
我下载的是第三个：

下载完之后，把压缩包里对应的子文件分别都复制到cuda目录下对应文件夹里。
再在环境变量里添加：
path：D:\NVIDIA GPU Computing Toolkit\v10.1\lib\x64

然后验证cuda和cudnn是否安装成功:
(1)首先从cmd命令行进入cuda对应的目录下，我的目录如下：
D:\NVIDIA GPU Computing Toolkit\v10.1\extras\demo_suite，里面有两个exe文件，分别在cmd运行。

（2）同样的文件位置，运行：

两者运行有Result=PASS即可。

下载torch

https://download.pytorch.org/whl/torch_stable.html

我下载的方式见上一篇文章。
如果对应版本的话应该是这个：

cu101说明是cuda10.1，torch1.7.1，python3.7，amd64是windows64位系统。
在pip里用如下命令安装（本机win10亲测）：

pip install torch==1.7.0+cu101 torchvision==0.6.1+cu101 -f https://download.pytorch.org/whl/torch_stable.html

2.记录Linux系统下的，CUDA11.1，torchvision0.10.0，torch1.9.0

CUDA11.1,CUDNN11.0,torch1.7.0，torchvision0.8.0，也是可以的。
查询pytorch对应torchvision的网址：
https://pytorch.org/get-started/previous-versions/