目錄
一、安裝準備
二、安裝CUDA
2.1?查看本機支持的 CUDA?版本及相關信息
2.2 卸載CUDA(可選)
2.3?下載cuda安裝包
2.4 安裝
2.5 配置環境變量
三、安裝PyTorch
3.1 版本選擇
3.2 下載安裝
方法一：直接安裝（不建議，網差的話會死機）
方法二：先下輪子再安裝（推薦）
四、檢驗
4.1 方法一：查看當前環境的所有庫
4.2 方法二：進入 Python 解釋器檢驗
一、安裝準備
?對計算機而言，中央處理器 CPU 是主板上的芯片，圖形處理器 GPU 是顯卡上的芯片。每臺計算機必有主板，但少數計算機可能沒有顯卡。顯卡可以用來加速深度學習的運算速度（GPU 比 CPU 快 10-100 倍）。
目前顯卡有三家廠商：Intel、Nvidia、AMD。深度學習所需要的顯卡是 NVIDIA，沒有此顯卡的電腦無法進行 GPU 加速。查看自己的計算機的顯卡的方法是：任務管理器——性能——左側欄劃到最下面。?
NVIDIA 顯卡中的運算平臺是 CUDA，不過，即使您的計算機有 NVIDIA 顯卡，但您的顯卡中也不一定含有 CUDA，沒有的話就要下載 CUDA。而 PyTorch 的下載組件里也會包含一個內置的 cuda。
為了區分，顯卡內的 CUDA 用大寫，PyTorch 內置的 cuda 用小寫。
一般來講，要滿足：CUDA 版本≥cuda 版本。
查看 CUDA 版本的方法是：Win+R 后輸入 cmd，進入命令提示符，我們需要輸入 nvcc -V，如圖。
如果顯示“nvcc -V 不是內部或外部命令”，則說明需要安裝 CUDA。
后面我們將安裝 torch 2.4.0?版本，其可選的內置 cuda 版本是 12.1。因此，如果您顯卡里的 CUDA 低于了 12.1，需要進行升級。
二、安裝CUDA
2.1?查看本機支持的 CUDA?版本及相關信息
Win+R 后輸入 cmd，進入命令提示符，輸入：
nvidia-smi
這是本機支持的最高版本的CUDA（有圖不代表電腦有CUDA，查看有無CUDA命令：nvcc -V），它是可以向下兼容的。電腦支持的最高版本的CUDA是由顯卡驅動決定的，如果您想下載高版本的CUDA要更新顯卡驅動，顯卡驅動如何更新與本文無關，這里不贅述，可以自行查找相關教程。一般我們不需要安裝最高版本，而是通過結合 pytoch 版本來選擇。讀者可以結合本教程自行選擇所需版本，不必與我完全一樣。
2.2 卸載CUDA(可選)
如果您已有CUDA卻想更新，可以在控制面板或設置-應用中卸載含 CUDA 字樣的程序。
這里你們有什么卸載什么即可。
- 進入到環境變量的 path 變量中，刪除舊版本的環境變量
- 同樣是帶 CUDA 字樣
我這里檢查了一下并沒有，應該是卸載程序的時候系統自動幫我們刪掉了，如果有請手動刪除。
- 進入 CUDA 目錄，刪除殘留舊版本文件
- C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA
2.3?下載cuda安裝包
CUDA 的下載鏈接：https://developer.nvidia.com/cuda-toolkit-archive，我這里下載的是最新的 CUDA 13.0.0 版本，也是我電腦顯卡驅動所支持的最高版本。
點擊進入，選擇平臺、系統版本等。
2.4 安裝
下載好之后，點擊exe文件，同意并繼續
同意并繼續后，點擊“自定義”。
接下來，有的人可能有其他大選項，僅選擇CUDA，并取消 CUDA 中關于 VS 的選項。
完成后，按照默認的C盤路徑進行安裝即可（推薦）。
我已經有CUDA了,便不再安裝。
2.5 配置環境變量
如果你是按照默認路徑 的話，其路徑應該是：
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v13.0\lib\x64
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v13.0\bin如果缺少則添加。
最后，回頭檢查一下 CUDA 版本，Win+R 后輸入 cmd，進入命令提示符，輸入 nvcc -V。
三、安裝PyTorch
3.1 版本選擇
PyTorch 一分為三：torch、torchvision 與 torchaudio。這三個庫中，torch 有 2G 左右，而torchvision 和 torchaudio 只有 2M 左右，因此一般在代碼里只會 import torch。當 torch 的版本給定后，另外兩個附件的版本也唯一確定了。
我的環境是python 3.9，下載的PyTorch版本為：
進入 PyTorch 官網：https://pytorch.org/get-started/previous-versions/，在其中 Ctrl + F 搜索【 pip install torch==2.4.0 torchvision==0.19.0 torchaudio==2.4.0】，選擇cuda 12.1 版本的，如圖，請注意，這里使用 pip 安裝，而不是 conda 安裝（如果用 conda 安裝，最后檢驗 cuda 時是不可用的）。
如果自己有所需版本，一定要cuda<CUDA。
3.2 下載安裝
方法一：直接安裝（不建議，網差的話會死機）
復制網頁里的那段代碼，在庫支持的環境中運行安裝。
pip install torch==2.4.0 torchvision==0.19.0 torchaudio==2.4.0 --index-url https://download.pytorch.org/whl/cu121方法二：先下輪子再安裝（推薦）
首先，我們進入方法一提及的網站 https://download.pytorch.org/whl/，如圖所示，進入torch、torchvision、torchaudio 三大組件各自的網站。
我們在這三個組件各自的網站里 Ctrl + F 搜索，如圖所示。回憶方法一的安裝命令，第一庫是
torch-2.4.0+cu121
第二個庫是
torchvision-0.19.0+cu121
第三個庫是
torchaudio-2.4.0+cu121
后面的cpXX代表python版本，大家選擇對應版本對應系統下載。
下載好后，將三個 whl 文件放在新建的 D:\whl 文件夾中。
安裝命令為 pip install 路徑\輪子名.whl，即
pip install D:\whl\torch-2.4.0+cu121-cp39-cp39-win_amd64.whl
pip install D:\whl\torchvision-0.19.0+cu121-cp39-cp39-win_amd64.whl
pip install D:\whl\torchaudio-2.4.0+cu121-cp39-cp39-win_amd64.whl將上述代碼放在 python 3.9 環境下執行。安裝完畢后，即可刪除 D:\whl 文件夾（但建議留著，之后可能還要安裝）。
四、檢驗
4.1 方法一：查看當前環境的所有庫
cmd 進入命令提示符，在下載的python環境中輸入 pip list
4.2 方法二：進入 Python 解釋器檢驗
import torch
torch.cuda.is_available() # 查看pytorch是否支持CUDA
torch.cuda.device_count() # 查看可用的CUDA數量
torch.version.cuda # 查看對應CUDA的版本號
