完整在pycharm上通过torch调用GPU（最细节）

作者经过审阅无数的帖子，某站看了无数视频之后，不断地失败才得出的结论。数十天毫无进展，得出的最详细结论。

我们部署torch到最后可以直接调用GPU一共要下三个东西，其中分别是CUDA,CUDNN，以及torch（这个里面有cpu以及GPU版本！！！）后面会讲。作者torch是通过其pip进行安装的。

注：其中最重要的就是三个看看是否都相互可以匹配（版本型号是否都兼容），并且是不是自己电脑可以进行调用的！！！！！！

话不多说开始正题：

查看自己电脑可以使用的CUDA版本

首先得有一张NVIDIV的显卡，才可以进行调用GPU，之后找到控制面板

 之后找到左下角的系统信息

之后点开组件，之后就清楚的可以看到你可以下载的CUDA的最大版本数，作者的是11.6的，只能和这个版本比相同或者是小于，不能大于，也就是你电脑驱动可以带动小版本的，向下兼容的。

下载CUDA

官网链接：CUDA Toolkit Archive | NVIDIA Developer

找到自己想要下载的版本，之后进行下载。

根据自己电脑的具体情况进行选择，千万记住这个一定要小于等于刚刚查过的版本数，到最后直接点击DownLoad进行下载。

 在下载完成之后首先进行的是临时安装，这个放在c盘也不怕，它彻底安装完成之后会将整个文件夹全部都会删除的。

安装CUDA

1.选择自定义安装。

2.点开看看那些更新的版本与当前版本相比，如果当前版本高的话就完全可以将对勾取消，保留电脑目前最高的版本，主要是后两个文件需要仔细看一下。

3.进行安装，最后选择的安装路径，自己一定要记住（后面会用到），而且3个要统一成一个路径！！！

验证CUDA安装是否成功

可以进行在win+r键输入cmd来进行打开指令框，输入

nvcc -V

之后回车，可以看到结果，如果是

 可以清楚的看到自己刚刚安装的版本号则那就是CUDA安装成功了

CUDNN的安装：

官网链接：cuDNN Archive | NVIDIA Developer

一定要选择正确的版本

 根据咱们之前CUDA的版本来下载CUDNN，每个链接后面都标出了CUDA的版本，根据这些进行选择即可，之后点击进行压缩包的下载。

下载成功后将压缩包进行解压，之后将里面的三个文件夹全部都复制

这三个文件夹全部都要粘贴在之前CUDA安装的路径里，直接将CUDA以前的文件进行替换，这样就完成了CUDNN的安装，就相当于换3个文件夹而已。

验证CUDNN是否安装成功，首先可以仿照我的路径点开到这里

之后点击那个bandwidthText.exe以及deviceQuery.exe,如果像我一样点开之后就闪退，那么别慌！！！！

解决办法

win+r点开cmd指令，之后将这两个exe拖进去，就完全不会出现这种情况了。

如果都出现Result = PASS那么就已经安装好了

torch的安装

官网链接：https://download.pytorch.org/whl/torch_stable.html

注意！！！

前面写着cpu是cpu版本的！！！千万别下，找到cu（表示GPU）开头的之后后面的113就是你CUDA 的版本号，根据所需即可

 最后就是将下载好的文件粘贴在c盘用户文件里面

 之后依然在cmd指令当中输入代码，进行最后的完成安装（cp38意思是我的python版本是3.8的，根据自己的python版本来），（torch-1.12.0表示下载的torch版本是1.12.0）我的代码是：

pip install torch-1.12.0+cu116-cp38-cp38-win_amd64.whl

等待成功之后，在pycharm当中创建一个工程，输入以下代码：

import torch



print(torch.cuda.device_count())
print(torch.cuda.is_available())
print(torch.backends.cudnn.is_available())
print(torch.cuda_version)
print(torch.backends.cudnn.version())

结果显示：

证明咱们已经大功告成了！！！