import torch print(torch.cuda.is_available())返回false

1.检查安装的pytorch的版本:

import torch
print(torch.__version__)

如果之前用pip的清华源下载，往往是CPU版本，则需将其改为GPU版本，如下：

我这里是1.7.1的pytorch，和对应10.1的CUDA，查找自己所需的CUDA方法：

nvidia-smi

2.先下载对应的CUDA和cudnn

CUDA：

下载地址：

https://developer.nvidia.com/cuda-toolkit-archive   

根据自己的GPU型号选择自己合适的版本，大概2.5G左右

安装方法参考：

只选择第一个CUDA

由于我一般用pycharm，而且是第二次安装，不需要勾选VS项和Nsight Systems和Nsight Compute，如果第一次安装，则可以勾选后两项。

点下一步

我的安装位置是：

cudnn

下载地址：需要提前注册登录https://developer.nvidia.com/rdp/cudnn-download

安装好解压后，将文件复制转移：

将左边cudnn的文件夹bin，include，和lib里面对应的具体文件 分别 复制到CUDA的bin，include，和lib三个文件夹中

3.安装GPU版本的pytorch版本

由于我没用anaconda的虚拟环境，所以下面讲解的都是终端的pip方式，并且pytorch和CUDA版本有对应要求：

方式一： 在pycharm用pip下载  注意选择自己合适的型号

https://pytorch.org/get-started/previous-versions/

但是我的下载太慢到最后往往出错，可以参考这个博主的方法：https://blog.csdn.net/qq_46126258/article/details/112708781

方式二：直接下载.whl文件

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

以10.1的CUDA，3.9的python版本为例，下载：

下载后，打开cmd，定位到下载的文件目录中：（下面输入错了  是 cp-39-cp39 ）

输入的指令分别为：

pip install torch-1.7.1+cu101-cp39-cp39-win_amd64.whl
pip install torchvision-0.8.2+cu101-cp39-cp39-win_amd64.whl
pip install torchaudio-0.7.2-cp39-none-win_amd64.whl

最后返回pycharm，输入

import torch
print(torch.cuda.is_available())

此时显示为true

4.检查GPU运行情况

在此用VGG网络训练，查看GPU运行情况

cmd 输入 nvidia-smi

结束！