前言

cuda11.0+pytorch1.7.1

一、安装好cuda和cudnn

具体的可以见：
https://blog.csdn.net/weixin_41891632/article/details/126583538?spm=1001.2014.3001.5502

二、安装pytorch

1.打开官网，安装对应合适的版本（cuda)：

https://pytorch.org/get-started/previous-versions/

conda安装方式：
我的cuda版本是11.0的。要安装的pytorch是1.7.1的，直接找到对应的命令，复制下来：

conda install pytorch==1.7.1 torchvision==0.8.2 torchaudio==0.7.2 cudatoolkit=11.0 -c pytorch

这里如果用-c后面的默认源，安装会很慢，可以换源：
打开这个网址：
https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
选择自己的系统：

我这里是win10,64位：

点开之后，复制这个网址，替换掉上面的-c后面内容：将-c pytorch更改为：

conda install pytorch==1.7.1 torchvision==0.8.2 torchaudio==0.7.2 cudatoolkit=11.0 -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/win-64/

另外一种安装方式是pip安装，我这里用的是这种方式：
直接找到对应的pip安装命令，复制，我默认用的这个官方源，下载速度也还可以

在自己conda创建的环境中运行安装就行，我之前创建了一个tf2.4环境，在里面运行，安装成功

pip install torch==1.7.1+cu110 torchvision==0.8.2+cu110 torchaudio==0.7.2 -f https://download.pytorch.org/whl/torch_stable.html

2.测试是否安装成功：

代码如下（示例）：

python

import torch
print(torch.__version__)

print(torch.version.cuda)
print(torch.backends.cudnn.version())

torch.cuda.is_available()
#cuda是否可用;

torch.cuda.device_count()
#返回gpu数量；

torch.cuda.get_device_name(0)
#返回gpu名字，设备索引默认从0开始；

torch.cuda.current_device()
#返回当前设备索引

该处使用的url网络请求的数据。

总结

提示：这里对文章进行总结：
例如：以上就是今天要讲的内容，本文仅仅简单介绍了pandas的使用，而pandas提供了大量能使我们快速便捷地处理数据的函数和方法。