1、确认硬件与驱动
1.1 确认显卡支持：PyTorch GPU版本需要NVIDIA显卡。你可以在系统的任务管理器（Windows）或系统信息（macOS）中查看显卡型号
1.2 检查并更新NVIDIA驱动
打开命令行工 具，输入 nvidia-smi 命令。如果显示了GPU信息，说明驱动已安装。
在输出信 息中，留意 CUDA Version 这一项，它表示你的驱动最高支持的CUDA版本。例如，显示"CUDA Version: 12.6"意味着你后续安装的PyTorch所依赖的CUDA工具包版本不能高于12.6。
如果 驱动未安装或版本过旧，建议从NVIDIA官网下载并安装最新版驱动。
英伟达驱动下载地址
https://www.nvidia.cn/software/nvidia-app/
2、安装CUDA和cuDNN
CUDA和cuDNN是NVIDIA提供的用于GPU计算的平台和库，PyTorch需要它们来调用GPU
2.1 安装CUDA Toolkit
前往NVIDIA官网的CUDA Toolkit Archive，根据你之前查到的、驱动支持的CUDA版本，下载并安装对应的CUDA Toolkit。安装时通常选择默认选项即可。
cuda下载地址https://developer.nvidia.com/cuda-toolkit-archive
2.2 安装cuDNN，我没有用到没有下载
访问NVIDIA的cuDNN Archive，下载与你所安装CUDA版本兼容的cuDNN库
下载后，将cuDNN的文件解压并复制到CUDA的安装目录下
注：为了确保兼容性，建议从PyTorch官网获取安装命令时，直接选择与你的驱动兼容的CUDA版本。官网提供的命令通常会帮你处理好CUDA和cuDNN的依赖关系，有时可以省去手动安装CUDA和cuDNN的步骤
3、安装PyTorch GPU版本
3.1 获取安装命令
打开 PyTorch官网，根据你的操作系统、包管理器（Conda或Pip）、Python版本以及CUDA版本，选择相应的配置，网站会自动生成最匹配的安装命令。
3.2 在控制台输入命令进行安装
4、验证安装与常见问题
安装完成后，务必检查PyTorch是否能识别并使用你的GPU。
4.1 创建Python测试文件，运行以下代码，如果 torch.cuda.is_available() 返回 True，恭喜你，安装成功了
python
import torch
print(torch.__version__) # 查看PyTorch版本
print(torch.cuda.is_available()) # 输出为True，则表示GPU可用
print(torch.cuda.get_device_name(0)) # 打印你的GPU型号
在控制台输入命令pip list查看安装pytorch版本，版本一定要 版本号+cuda版本号（cuda版本号与自己电脑保持一致）
4.2 常见问题与解决
torch.cuda.is_available() 返回 False
- 检查虚拟环境：确保你是在安装PyTorch GPU版本的那个虚拟环境中进行验证的
- 检查版本匹配：确认安装的PyTorch版本与你的CUDA驱动版本兼容-3-8。可以尝试安装版本稍低的CUDA工具包
安装速度慢，可以考虑使用国内镜像源来加速下载，但是我之前使用镜像总是安装错版本