准备前提：已经安装好CUDA，如果没有安装好CUDA可以查看博主另一篇教程完整安装NVIDIA CUDA流程-CSDN博客。
为什么要发布此教程：因为在博主安装pytorch gpu版本，耗时了大量时间发现大多数网上教程都是先获取pytorch官方下载命令，进入cmd后去掉-c pytorch等，博主发现不管是conda下载还是pip下载，要不是各种报错或者是解析环境半天或者下到最后发现是CPU版本，导致心态崩溃，如果有此类问题的读者，这类安装教程可能比较适合你。
第一步：根据个人需求确定pytorch版本，以及对应的torchvision和torchaudio版本
torchvision：torch的一个扩展库，主要作用用于处理图像数据
torchaudio：torch的一个扩展库，主要作用用于处理音频数据
如果不需要处理对应数据，可以不用安装，但为了省去后期的一些不必要麻烦或者额外需求，建议安装。
这是另外一个博主的已经整理好的对应版本，不知道的可以去看一看PyTorch中torch、torchvision、torchaudio、torchtext版本对应关系_torch2.0.1对应的torchvision-CSDN博客
第二步：
我们进入pytorch官方存放资源的网站download.pytorch.org/whl/torch_stable.html
第三步：识别命名格式（以我下载的版本为例）
cu118：对应你的cuda版本，我的是CUDA11.8所以下载cu118
torch-2.2.0：根据个人需求确定所需pytorch的版本
cp38：对应的python版本为3.8
win_amd64：适用Windows系统
torchvision和torchaudio也是这样识别
第四步：下载
这里下载可以直接点击进行下载，如果浏览器下载较慢。可以点击鼠标右键复制下载链接，使用下载器下载（博主使用的是迅雷），记住安装位置。
第五步：安装
不管是否您使用了conda的虚拟环境，我们都使用pip命令安装，我们先提前使用pip命令安装我们下好的版本
pip install "torch-2.2.0+cu118-cp38-cp38-win_amd64.whl" #这是我本地安装包的名字
重要的事情说三遍
安装的名字一定是你从网络下载下来的本地安装包的名字！！！
安装的名字一定是你从网络下载下来的本地安装包的名字！！！
安装的名字一定是你从网络下载下来的本地安装包的名字！！！
如果您看到这样的报错
您需要将之前的安装包复制到该路径下，然后重新执行即可
如图所示，看到最后一行“Successfully installed 你的torch对应版本”就说明成功了。
同时需要注意，我上图中的红字报错提醒torchvision和torchaudio的版本与torch不对应，所以我们可以重复第五步将之前安装好的torchaudio和torchvision再使用pip命令安装。
最后一步：验证
第一种方式：
博主用的是conda的虚拟环境，所以我是在基于我的虚拟环境上进行验证
输入python，进入python命令行界面。
导入torch，等待一会儿，如果没有报红字则说明安装成功。
输入命令
torch.cuda.is_available()
输出为True，说明我们能够利用GPU训练我们的模型了。
第二种方式：
使用pycharm，选择你安装的torch所在的Python解释器。
输入
import torch
print(torch.cuda.is_available())
结果为True，则成功。
如果输入的仍是False，请检查您的CUDA版本是否适用于您的显卡或者版本对应问题。
作为参照信息供读者参考：博主现在使用的显卡是RTX2060，安装的CUDA版本为11.8。
来自博主的吐槽及感谢：第一次正式配置pytorch gpu和cuda，花了两天时间，各种使用命令行和配置镜像源让我心烦意乱，头皮发麻。这次的解决思路，来自“人工智能之父”唐宇迪（开玩笑的），非常感谢他解决了我的问题。
本教程并不完善，如有问题，可以发在评论区，我会适当对该教程进行完善
标签：torchvision,torch,pytorch,版本,gpu,安装,下载 From： https://blog.csdn.net/qq_73835606/article/details/139649181