- 需先查看电脑是否安装了显卡驱动，nvidia-smi，有表格样页面输出则安装了
如果没有，sudo ubuntu-drivers devices 查看可安装版本，选择最高安装 sudo apt install nvidia-driver-510
- 查看安装pytorch(稳定版)需要的CUDA版本，查看是否安装了CUDA，用 nvcc -V 注意大写V 也可能是装了但没有加环境变量，
看/usr/local/文件夹下有没有cuda, 添加环境变量http://t.zoukankan.com/piaojianxue-p-10229081.html
- 如果没装，去 https://developer.nvidia.com/cuda-downloads?target_os=Linux
进行选择查看安装语句，选择runfile(local)
- 安装时会提示CUDA安装文件中包含显卡驱动，https://www.jianshu.com/p/6ef7c0e54172
选择continue, accept, 再下一步的时候把-[X]Driver选中按enter，使变成-[ ]Driver 后再选install，从而在安装时不再装显卡驱动，否则可能安装不成功
安装完成后添加环境变量，参考
http://t.zoukankan.com/piaojianxue-p-10229081.html
- 安装cuDNN
https://developer.nvidia.com/rdp/cudnn-archive
选择对应CUDA的最高兼容版本的cuDNN， 用[Tar]的Local模式装，下载对应安装包
安装命令见 https://docs.nvidia.com/deeplearning/cudnn/install-guide/index.html#install-linux
找到Installing on Linux下的Tar File Installation，实际是安装后的文件包，将其中部分库复制到CUDA的库下
解释见以下连接第6步：http://t.zoukankan.com/piaojianxue-p-10229081.html
- 安装pytorch
https://pytorch.org/get-started/locally/官网进行选择
注意选用pip安装，对应命令后的网页链接为安装源，可以网页打开看里面torch的各种版本，一般会根据环境的条件装允许的最高版本
有时虽然选定Pytorch为最高稳定版1.12，但实际安装的却是1.10，导致运行代码时警告算力不匹配，
例如：NVIDIA GeForce RTX 3090 with CUDA capability sm_86 is not compatible with the current PyTorch installation. The current PyTorch install supports CUDA capabilities sm_37 sm_50 sm_60 sm_70.
实际可能是因为环境的python3.6版本过低，当查看前面的网页链接源可以看到py36最多能装1.10的torch, 因此应该提高python版本
- 安装完后用以下命令检查是否安装成功：
python
>>import torch
>>print(torch.cuda.is_available())
