python + pytorch gpu 环境配置

        前一段时间接触过Tensorflow 2 GPU 的环境配置，充分体会到了GPU加速对神经网络训练的重要性，但其配置起来有各种各样的问题，让大家十分头疼。笔者通过在网络上查找各种相关资料并进行试验，最后发现以下方法基本上是最轻便简洁的安装了，在此致谢网络上大佬们的经验分享，并写下此篇用于给自己未来配置提供参考。

本机环境：python 3.9 + NVIDIA LAPTOP T600

一、CUDA、Pytorch安装

1.win+cmd 输入 nvidia-smi查看本机英伟达显卡支持的CUDA库版本，一定要对应。

2.去官网下载CUDA toolkit，并下载与之配套的cuDNN支持库(需注册英伟达账号，非常简单)。

3.安装CUDA toolkit，其中仅需要安装以下三个即可：

        (1) CUDA Document

        (2) CUDA Development

        (3) CUDA Runtime

4.解压cuDNN，并将其中所有内容复制到CUDA安装目录中，直接粘贴即可。目录以我的为例：       C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.7

最后，在pytorch官网上下载适配本机CUDA的版本，使用pip3命令直接安装即可。

二、验证

1.验证Pytorch是否可以调用GPU。

2.验证Pytorch 调用GPU训练神经网络。

 代码源自官方说明文档，使用Fashion Mnist 数据集进行训练。

（1）GPU调用成功。

（2）训练完成

 三、未来展望

之前一直使用Tensorflow从事不深入的神经网络研究，基本上没有考虑过与现实应用的结合，笔者之后将从事一段时间的强化学习应用，希望可以借助Pytorch，让AI更加强大。