前言
如果要使用GPU进行机器学习算法的训练的话，首先必须在硬件方面进行支持，即需要支持GPU训练的显卡，并正确安装驱动即安装CUDA、CUDNN；其次就是需要安装与驱动对应的torch GPU版本，如果安装错误的torch版本就无法正确训练机器学习模型。
总体步骤：检查显卡——显卡驱动CUDA适配版本——下载Anaconda、Pycharm——下载CUDA——
安装Anaconda和Pycharm软件
如果已经安装好，可直接跳过。
Anaconda的安装可以直接在其官网链接https://www.anaconda.com/products/distribution上下载，但由于Anaconda的官网在国外，因此其下载速度相对来说会很慢。因此一般推荐使用国内的镜像来下载，比如可以使用清华的镜像源https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/，可选择合适版本进行下载，这里选择 Anaconda2022.05-Windowsx86_ 64.exe 版本。
可使用终端命令查验自己的Anaconda版本：
下载安装CUDA
cuda： Compute Unified Device Architecture，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。
cudnn： 是NVIDIA 推出的用于深度神经网络的GPU加速库，他强调性能，易用性和低内存开销。
cuda和cudnn的关系：
查看个人电脑所支持的CUDA最高版本
方式一：可直接通过终端命令查验：使用终端命令输入 nvidia-smi，可看到个人电脑的CUDA Version
方式二：通过Nvidia控制面板查看：鼠标右键打开Nvidia控制面板或者正在搜索框搜索Nvidia控制面板。
打开面板后，如下：
点击系统信息，可查看自己电脑的GPU版本以及可支持的CUDA最高版本：
前往CUDA网址下载相应的CUDA版本
首先在该链接https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html查看自己电脑可下载的对应的CUDA版本，如图所示：
其次，下载对应的CUDA，根据该链接https://developer.nvidia.com/cuda-toolkit-archive，这里选择的版本不能高于你的显卡驱动里面那个版本号。
然后，双击运行下载好的CUDA的exe文件，安装时不需要更改路径，一路安装即可。安装结束之后，打开 Anaconda prompt 命令提示符，输入命令：nvcc -V，查看 CUDA 是否安装成功。安装成功即可如下所示：
下载GPU版本的torch和torchvision
这里选择的是下载安装包，再在anaconda里下载whl文件。
首先，查看自己的python版本，还是在 Anaconda prompt 命令，输入 python即可查看自己的Python 版本，可以看到我的版本是基于64位的python3.7.13。
其次，不使用命令行下载 pytorch 的下载链接为https://download.pytorch.org/whl/torch_stable.html。里面的文件是cpu开头的是 CPU 版本，cu开头的才是我们要下载的GPU版本。这里可参考 torch 和 torchvision 的对应图，以免下错对应版本，这里我选择的是红色圈内的，根据自己需求下载。
在下载链接里找到的是下载的1.10.0 版本的 torch 和 0.11.1 版本的 torchvision，我的 python版本是3.7，注意后面对应的 win 和 linux，注意这些链接的含义：比如说此链接 cu113/torchvision-0.11.1%2Bcu113-cp37-cp37m-win_amd64.whl 的含义是cuda11.3版本的torchvision 0.11.1，python3.7 win下64位系统。因此下载的时候一定要注意，和自己python的版本对应。
下载torch和torchvision后放在同一目录下，如：
然后在 Anaconda prompt 里 cd 到下载好 torch 和 torchvision 的目录下，输入：pip install “文件名”，torch 和 torchvision 安装方法一样。
安装完毕后，可通过Anaconda prompt输入命令pip list检查是否安装成功。
安装完成后使用下面命令查看torch安装结果。在 Anaconda prompt 里进入到python后 import导入 torch 和 torchvision库，然后使用命令
>>> import torch
>>> torch.cuda.is_available()
True
>>> torch.cuda.get_device_name(0)
'NVIDIA GeForce RTX 1660 Ti'
