CUDA10.2+cudnn7.6.5+pytorch1.10.0+torchvision0.11.1（win64）

1、CUDA10.2

1.1CUDA10.2的下载和安装

CUDA10.2的下载地址：

CUDA Toolkit 10.2 Download | NVIDIA Developer

安装包下载好后，双击安装包进行安装。

1.2检查CUDA10.2是否安装成功

按提示安装好后，需检查是否安装成功。在cmd中输入如下命令：

nvcc -V

出现如下信息则表示CUDA10.2安装成功：

2、cudnn7.6.5

2.1cudnn7.6.5的下载和安装

cudnn的下载地址：

ccuDNN Archive | NVIDIA Developer

找到适用于CUDA10.2的cudnn7.6.5的压缩包进行下载：

下载完成后解压，将其中的bin、include和lib文件夹复制到CUDA10.2的安装路径下：

2.2检查cudnn7.6.5是否安装成功

通过运行deviceQuery.exe和bandwidthTest.exe查看GPU的状态，两个文件均在安装目录的extras\demo_suite文件夹中

注：双击执行可能会出现闪退的情况，可以把两个文件分别拖进cmd进行执行，出现以下信息表示安装成功：

3、pytorch1.10.0

pytorch1.10.0的下载地址：

download.pytorch.org/whl/torch_stable.html

找到对应的pytorch版本（CUDA10.2+python3.9+win系统）

进入到文件的下载路径，在anaconda的命令行中输入以下命令进行手动安装：

pip install torch-1.10.0+cu102-cp39-cp39-win_amd64.whl

 安装完成后执行以下代码查看是否安装成功：

import torch

print(torch.__version__)

4、torchvision0.11.1

下载地址同pytorch

同理找到对应的torchvision版本进行下载：

在命令行中执行：

pip install torchvision-0.11.1+cu102-cp39-cp39-win_amd64.whl

查看是否安装成功：

import torchvision

print(torchvision.__version__)

还可以使用pip查看是否安装成功：

pip list