NVIDIA显卡、显卡驱动、可安装的CUDA版本、Pytorch

1. NVIDIA显卡：

随着显卡的发展，GPU越来越强大，而且GPU为显示图像做了优化。在计算上已经超越了通用的CPU。如此强大的芯片如果只是作为显卡就太浪费了，因此NVIDIA推出CUDA，让显卡可以用于图像计算以外的目的。
只有G80、G92、G94、G96、GT200、GF100、GF104、GF106、GF110、GF114、GF116、GK110、GK104、GK106、GK107、GM107、GM200、GM204、GM206、GP102、GP104、GP106、GP107、TU102、TU104、TU106、TU116、TU117平台（即GeForce 8~GeForce RTX2080Ti/GTX1660Ti）的NVidia显卡才能使用CUDA，工具集的核心是一个C语言编译器。G80中拥有128个单独的ALU，因此非常适合并行计算，而且数值计算的速度远远优于CPU。
CUDA的SDK中的编译器和开发平台支持Windows、Linux系统，可以与Visual Studio2005，2008，2010集成在一起。

2. 显卡驱动：

可通过NVIDIA控制面板查看系统信息，在显示栏可看到当前的驱动器程序版本，在组件栏可看到当前的驱动器程序版本支持安装的最高版本的CUDA版本信息。
若觉得显卡驱动版本太低，可以在设备管理器中进行显卡驱动程序的自动联网检测更新，也可以在NVIDIA官网驱动程序下载查找符合自己电脑系统和显卡的最新发布的显卡驱动程序，许多情况下，会得到高于自动联网检测更新的驱动程序版本。

3. 可安装的CUDA版本：

CUDA（Compute Unified Device Architecture），是显卡厂商NVIDIA推出的运算平台。 CUDA™是一种由NVIDIA推出的通用并行计算架构，该架构使GPU能够解决复杂的计算问题。
我们可以安装显卡驱动支持的最高CUDA版本，也可安装比支持的最高版本低的任何版本，甚至可以同时安装多个版本。

4. 通过conda在安装Pytorch的同时安装指定的CUDA版本：

首先，最好先常见一个虚拟环境。然后，可通过Pytorch官网生成conda安装指令进行CUDA和Pytorch的安装，若安装过程中出现HTTP error，一般为网站链接较慢导致中断，此时可通过修改默认安装路径为清华镜像上的资源路径，会大大加快下载安装速度。
按如下配置.condarc文件，.condarc文件路径一般为：
windows：C:\users\username
linux：/home/username/

channels:
  - defaults
show_channel_urls: true
default_channels:
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r
custom_channels:
  conda-forge: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  msys2: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  bioconda: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  menpo: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  pytorch: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  simpleitk: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud

在确保安装路径下没有之前安装的Pytorch版本时，重新运行conda安装指令即可。