1安装anaconda(略，见我的其他文件)

2安装CUDA和cudnn

2.1确认电脑显卡版本

在安装cuda前，我们要确定本机是否有独立显卡。在计算机->管理->设备管理器（在计算机管理下的系统工具中）->显示适配器。

如上图，我有两个设备驱动，其中第一个是主板自带的集成显卡，而第二个就是独立显卡，是英伟达getforce GTX 1050

注意
如果你的电脑有独立显卡，但是并没有在设备管理中显示出来，此时你应当考虑更新设备驱动试试。
地址如下：https://www.nvidia.cn/geforce/drivers/

2.2通过显卡驱动确定驱动版本、cuda核心数以及本机所支持的cuda版本

打开NVIDIA驱动：点击菜单中的“帮助”->“系统信息”->系统信息->显示/组件

从这里，可以看出你的显卡的驱动版本、以及显卡所支持的cuda版本以及核心数，这里显示的核心数是640，cuda支持版本是9.2

2.3从官网查找你显卡可用的cuda版本

地址：https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html

从这个地址中，找到上面这个表格，可以看到我的显卡可以支持框中这两个版本的GPU。

地址：https://developer.nvidia.com/cuda-toolkit-archive
然后这个地址中，找到对应的CUDA，进入后根据系统，选择版本，并进行下载。


这里还有一个更新文件一并下载后安装即可。

2.4cuda安装步骤

1打开安装文件，这个地址不要变，要不然配置环境很麻烦。

2选择自定义安装，并勾掉vs

3安装完成后配置环境变量如下图

4 测试cuda安装是否成功
配置完成环境变量之后，重启电脑，然后执行下面的命令
ctrl+r输入cmd调出命令行：输入nvcc -V

如下图，显示版本则安装成功。

2.5安装cudnn

要选择和cuda对应版本的,其实这只是一个基于cuda的库，不需要安装，下载后的压缩包解压后是一些头文件，lib和dll（windows操作系统）文件。
cudnn下载地址：（需要登录）
https://developer.nvidia.com/rdp/cudnn-download
注册登录后，勾选“I agree …”，然后点击对应的版本下载，下载解压后就是一些放到文件夹里的一些包文件。

然后将这三个文件夹内的文件，分别复制到cuda的安装目录中的名称相同的文件夹内即可。

3利用anaconda安装pytorch GPU版本

进入pytorch官网https://pytorch.org/，按照系统选择gpu版本的pytorch,注意要用python3.6环境，否则可能出现兼容性问题。复制conda代码，到conda环境的terminal（终端）中即可安装。

在terminal中输入：

conda install pytorch torchvision cudatoolkit=9.2 -c pytorch -c defaults -c numba/label/dev