pytorch卸载cuda+cudnn
一、卸载cuda
进入【控制面板】，点击【卸载程序】
将红色框中带版本号的都卸载
二、删除cudnn配置
1、进入安装路径
将以下版本号文件直接删除
pytorch配置GPU环境
一、查看支持的cuda最高版本
1、win+r，输入cmd，【回车】进入命令行窗口
2、在命令行输入 nvidia-smi
bash
nvidia-smi
发现，最高支持版本为11.7（在安装时需要选择小于等于11.7版本的cuda）
二、安装cuda
1、选择对应版本的cuda进行下载（我选择下载了11.7.1版本的）
点进去后，下载在线的安装包，该安装包比较小
安装包如下
双击运行安装包，前面的都默认，这一步选择【自定义安装】
如果是第一次安装，则所有的都打勾；像我一样，是第n次安装，则只勾选第一个
后面都是默认，下一步，等待安装完成即可。
2、配置环境变量（默认是配置好了的，没有的自己加上）
右键【此电脑】→点击【属性】→点击【高级系统设置】→点击【环境变量】，在【系统变量】中
首先是这两个路径
其次是path下的几个路径
包括以下几个路径
3、测试cuda是否安装成功
在命令行输入nvcc -V，出现以下版本信息，即为成功
bash
nvcc -V
三、安装cudnn
1、登录cudnn后，选择对应版本的进行下载。
我的cuda是11.7，因此下载最新windows版本的11.x的cudnn就行。
下载后，进行解压
将对应文件夹的文件分别复制到CUDA安装目录 同名文件夹下
2、测试cudnn是否安装成功（网上说的方法，不知真假）
通过cmd打开命令行终端，步骤同上，在终端输入nvidia-smi，返回GPU型号则安装成功
四、在anaconda中创建新的虚拟环境
1、选择对应python版本
cuda对应python版本关系
可以发现，cuda11.7对应的pytorch、python等版本，因为我要用pytorch2.x，对应的python[3.8,3.11]，我选择python3.10
2、创建虚拟环境
创建环境名为pytorch_two，python版本为3.10.0的虚拟环境
bash
conda create -n pytorch_two python=3.10.0创建后进入虚拟环境
bash
conda activate pytorch_two
五、安装GPU版本的pytorch、torchvision、torchaudio
1、查找对应版本
官网对应版本关系
Ctr+F搜索 需要安装的pytorch版本（2.0.1），找到windows下cuda版本（11.7）对应的torchvision版本（0.15.2）、torchaudio版本（2.0.2）
2、下载torch、torchvision、torchaudio
注意： 不要用国内源（清华源）下载！！源里都是CPU版本的，没法用。。。
建议使用pip安装，conda安装很可能会安装为cpu版本。
下载网站
下载GPU版本的torch，分别点击进去后Ctrl+F搜索，找到对应版本组件下载即可
下载好的组件
在刚刚新建的anaconda虚拟环境中本地安装这3个组件。
依次运行以下3条命令
bash
pip install F:\pytorch_whl\torch-2.0.1+cu117-cp310-cp310-win_amd64.whl
pip install F:\pytorch_whl\torchaudio-2.0.2+cu117-cp310-cp310-win_amd64.whl
pip install F:\pytorch_whl\torchvision-0.15.2+cu117-cp310-cp310-win_amd64.whl
安装成功后，依次运行下面的命令，输出True后，大功告成！！!
bash
python
import torch
torch.cuda.is_available()
也可以在pycharm中运行以下命令进行测试
bash
import sys
import torch
from torch.backends import cudnn
# 返回已经安装的Python版本
print(sys.version)
# 返回已经安装的PyTorch版本
print(torch.__version__)
# 返回True则表示已经安装了cuda
print(torch.cuda.is_available())
# 返回True则说明已经安装了cudnn
print(cudnn.is_available())