目录
一、安装准备
二、安装CUDA
2.1 查看本机支持的 CUDA 版本及相关信息
2.2 卸载CUDA(可选)
2.3 下载cuda安装包
2.4 安装
2.5 配置环境变量
三、安装PyTorch
3.1 版本选择
3.2 下载安装
方法一：直接安装（不建议，网差的话会死机）
方法二：先下轮子再安装（推荐）
四、检验
4.1 方法一：查看当前环境的所有库
4.2 方法二：进入 Python 解释器检验
一、安装准备
对计算机而言，中央处理器 CPU 是主板上的芯片，图形处理器 GPU 是显卡上的芯片。每台计算机必有主板，但少数计算机可能没有显卡。显卡可以用来加速深度学习的运算速度（GPU 比 CPU 快 10-100 倍）。
目前显卡有三家厂商：Intel、Nvidia、AMD。深度学习所需要的显卡是 NVIDIA，没有此显卡的电脑无法进行 GPU 加速。查看自己的计算机的显卡的方法是：任务管理器——性能——左侧栏划到最下面。
NVIDIA 显卡中的运算平台是 CUDA，不过，即使您的计算机有 NVIDIA 显卡，但您的显卡中也不一定含有 CUDA，没有的话就要下载 CUDA。而 PyTorch 的下载组件里也会包含一个内置的 cuda。
为了区分，显卡内的 CUDA 用大写，PyTorch 内置的 cuda 用小写。
一般来讲，要满足：CUDA 版本≥cuda 版本。
查看 CUDA 版本的方法是：Win+R 后输入 cmd，进入命令提示符，我们需要输入 nvcc -V，如图。
如果显示“nvcc -V 不是内部或外部命令”，则说明需要安装 CUDA。
后面我们将安装 torch 2.4.0 版本，其可选的内置 cuda 版本是 12.1。因此，如果您显卡里的 CUDA 低于了 12.1，需要进行升级。
二、安装CUDA
2.1 查看本机支持的 CUDA 版本及相关信息
Win+R 后输入 cmd，进入命令提示符，输入：
nvidia-smi
这是本机支持的最高版本的CUDA（有图不代表电脑有CUDA，查看有无CUDA命令：nvcc -V），它是可以向下兼容的。电脑支持的最高版本的CUDA是由显卡驱动决定的，如果您想下载高版本的CUDA要更新显卡驱动，显卡驱动如何更新与本文无关，这里不赘述，可以自行查找相关教程。一般我们不需要安装最高版本，而是通过结合 pytoch 版本来选择。读者可以结合本教程自行选择所需版本，不必与我完全一样。
2.2 卸载CUDA(可选)
如果您已有CUDA却想更新，可以在控制面板或设置-应用中卸载含 CUDA 字样的程序。
这里你们有什么卸载什么即可。
- 进入到环境变量的 path 变量中，删除旧版本的环境变量
- 同样是带 CUDA 字样
我这里检查了一下并没有，应该是卸载程序的时候系统自动帮我们删掉了，如果有请手动删除。
- 进入 CUDA 目录，删除残留旧版本文件
- C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA
2.3 下载cuda安装包
CUDA 的下载链接：https://developer.nvidia.com/cuda-toolkit-archive，我这里下载的是最新的 CUDA 13.0.0 版本，也是我电脑显卡驱动所支持的最高版本。
点击进入，选择平台、系统版本等。
2.4 安装
下载好之后，点击exe文件，同意并继续
同意并继续后，点击“自定义”。
接下来，有的人可能有其他大选项，仅选择CUDA，并取消 CUDA 中关于 VS 的选项。
完成后，按照默认的C盘路径进行安装即可（推荐）。
我已经有CUDA了,便不再安装。
2.5 配置环境变量
如果你是按照默认路径 的话，其路径应该是：
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如果缺少则添加。
最后，回头检查一下 CUDA 版本，Win+R 后输入 cmd，进入命令提示符，输入 nvcc -V。
三、安装PyTorch
3.1 版本选择
PyTorch 一分为三：torch、torchvision 与 torchaudio。这三个库中，torch 有 2G 左右，而torchvision 和 torchaudio 只有 2M 左右，因此一般在代码里只会 import torch。当 torch 的版本给定后，另外两个附件的版本也唯一确定了。
我的环境是python 3.9，下载的PyTorch版本为：
进入 PyTorch 官网：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】，选择cuda 12.1 版本的，如图，请注意，这里使用 pip 安装，而不是 conda 安装（如果用 conda 安装，最后检验 cuda 时是不可用的）。
如果自己有所需版本，一定要cuda<CUDA。
3.2 下载安装
方法一：直接安装（不建议，网差的话会死机）
复制网页里的那段代码，在库支持的环境中运行安装。
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：先下轮子再安装（推荐）
首先，我们进入方法一提及的网站 https://download.pytorch.org/whl/，如图所示，进入torch、torchvision、torchaudio 三大组件各自的网站。
我们在这三个组件各自的网站里 Ctrl + F 搜索，如图所示。回忆方法一的安装命令，第一库是
torch-2.4.0+cu121
第二个库是
torchvision-0.19.0+cu121
第三个库是
torchaudio-2.4.0+cu121
后面的cpXX代表python版本，大家选择对应版本对应系统下载。
下载好后，将三个 whl 文件放在新建的 D:\whl 文件夹中。
安装命令为 pip install 路径\轮子名.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将上述代码放在 python 3.9 环境下执行。安装完毕后，即可删除 D:\whl 文件夹（但建议留着，之后可能还要安装）。
四、检验
4.1 方法一：查看当前环境的所有库
cmd 进入命令提示符，在下载的python环境中输入 pip list
4.2 方法二：进入 Python 解释器检验
import torch
torch.cuda.is_available() # 查看pytorch是否支持CUDA
torch.cuda.device_count() # 查看可用的CUDA数量
torch.version.cuda # 查看对应CUDA的版本号
