使用pytorch进行深度学习的时候，往往想用GPU进行运算来提高速度。于是搜索便知道了CUDA。
下面给出一个自检的建议：
- 检查cuda的版本是否适配自己的GPU。
打开NVDIA控制面板，点击左下角"系统信息"，然后就可以看到NVDIA GPU的详细信息，其中就包含了CUDA的版本。在官网安装合适版本的cuda-toolkit。
- 安装了cuda，但是命令行输入
nvcc -V报错显示没有nvcc
这时候可能没有将CUDA添加到环境变量。检查系统变量中是否包含了CUDA_PATH ,以及CUDA_PATH_Vx.x , 以及PATH中是否包含了cuda的bin目录。
- 在命令行输入
nvcc -V可以正常运行，但是在python中使用print(torch.cuda.is_available())显示的是False。 这时候考虑torch安装错误。
（直接使用pip install torch 会安装cpu版本的torch，导致无法使用cuda）
卸载原先的torch，pip uninstall torch
然后在PyTorch官网找到正确版本进行下载安装。我的CUDA版本是12.6，PyTorch官网的最新版本支持CUDA12.4 安装命令如下：
pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu124
此时在python中再运行print(torch.cuda.is_available())就会显示True了。