目录
注意：30系列的的显卡暂时不支持cuda11以下版本！！！
右击右下角开始，在设备管理器中查看计算机显卡型号，例如我的显卡是GTX1050：
进入英伟达官网，下载对应的显卡驱动：官方驱动 | NVIDIA
https://www.nvidia.cn/Download/index.aspx?lang=cn
选择对应版本参数并下载安装，安装时直接一直下一步即可。
安装完成后,打开CMD终端（快捷键：Win+R），命令行输入:nvidia-smi查看GPU状态：
注意：右上角显示的CUDA版本（红色框中）是当前版本所支持的最高CUDA版本。
由于要使用cuda则必须要有一个编译工具，这里安装的是Visual Studio 2019
下载Visual Studio 社区版链接：https://visualstudio.microsoft.com/zh-hans/downloads/
安装完成后进入以下界面，注意：勾选“Python开发”和“C++桌面开发”
CUDA各版本官方下载地址: CUDA Toolkit Archive | NVIDIA Developerhttps://developer.nvidia.com/cuda-toolkit-archive
CUDA用的是10.2版本，因此进入cuda官网找到对应的版本进行下载：
下载完成后将CUDA安装，注意：建议默认路径，后期需要添加环境变量，安装时选择自定义安装：
勾选Visual Studio Integration：
鼠标右键计算机（此电脑），打开属性->高级系统设置->环境变量，可以看到系统变量中多了CUDA_PATH和CUDA_PATH_V10_2两个环境变量。
接下来，还要在系统变量中“新建”，添加以下几个环境变量，以下是默认安装位置的路径的环境变量（左边是变量名，右边是变量值）:
CUDA_SDK_PATH = C:\ProgramData\NVIDIA Corporation\CUDA Samples\v10.2
CUDA_LIB_PATH = %CUDA_PATH%\lib\x64
CUDA_BIN_PATH = %CUDA_PATH%\bin
CUDA_SDK_BIN_PATH = %CUDA_SDK_PATH%\bin\win64
CUDA_SDK_LIB_PATH = %CUDA_SDK_PATH%\common\lib\x64
在系统变量 Path 的末尾添加：
%CUDA_LIB_PATH%;%CUDA_BIN_PATH%;%CUDA_SDK_LIB_PATH%;%CUDA_SDK_BIN_PATH%;
双击Path,再添加如下5条（默认安装路径）：C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2\lib\x64
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2\include
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2\extras\CUPTI\lib64
C:\ProgramData\NVIDIA Corporation\CUDA Samples\v10.2\bin\win64
C:\ProgramData\NVIDIA Corporation\CUDA Samples\v10.2\common\lib\x64
1、下载cuda10.2对应的cudnn
cudnn下载地址：https://developer.nvidia.com/cudnn
2、下载cudnn后直接将其解开压缩包，然后需要将解压后的bin,include,lib文件夹复制粘贴到cuda安装时的默认路径文件夹下（比如我的是在：C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2 下）
注意：对整个文件夹bin,include,lib复制粘贴
3、最后测试cuda是否配置成功：
Win+R打开CMD终端执行：nvcc -V 即可看到cuda的信息：
详细安装教程可参考以下链接：
在anaconda中添加镜像源：
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
conda config --set show_channel_urls yes
在开始栏打开刚才安装的anaconda prompt 创建项目运行虚拟环境：
conda create -n your_env_name(虚拟环境名称) python==xx(想要创建的虚拟环境的python版本号)
注：若不知道python版本，Win+R打开CMD终端执行：python，然后enter即可看到所安装的python版本号。
可以根据自己需要修改，例如：conda create -n mytorch python==3.9.7
输入y，然后按下enter确认开始下载安装。
出现以上界面则虚拟环境已经创建完成。
1、在上一步的基础上，对创建完成的虚拟环境进行激活，在anaconda prompt 终端中输入以下指令：
conda activate mytorch2、若要退出当前的虚拟环境，执行以下指令即可：
conda deactivate1、此时我们已经激活并进入到所创建的mytorch环境中。
2、接下来进入PyTorch官网，选择相关参数，获取PyTorch安装指令，并在anaconda prompt 终端中执行红色框中的指令（该指令为最新版本的PyTorch）：
注意：安装的时候要将命令后的-c pytorch后面的内容删除，从国内源进行下载，速度快一些。PyTorchhttps://pytorch.org/
另：若需要选择其他版本的PyTorch点击绿色框中的指令即可
然后进入以下页面，找到需要的版本进行安装即可
3、输入PyTorch安装指令指令后，查看conda找到将要安装的包是否是要进行安装的
如果是，输入y之后，按下enter确认进行下载；
如果不是，就需要重新检查安装PyTorch的命令。
3、 安装PyTorch，至此，基础环境已经部署完成。
1、安装完成后，继续在在anaconda prompt 终端中执行以下指令，验证PyTorch是否安装成功：
python
import torch
torch.cuda.is_available()
2、如下图提示True说明框架配置成功，且GPU可用
3、验证完成后Ctrl+Z回到命令行，然后执行conda list指令就可以看到该虚拟环境下已经安装好的包
能够在conda list中找到以上两个包，则说明已经配置完成。