一、下载CUDA
1.什么是CUDA
CUDA（Compute Unified Device Architecture）是由NVIDIA推出的并行计算平台和编程模型，允许开发者利用NVIDIA GPU的并行计算能力加速计算密集型任务。它通过扩展C/C++等语言，提供直接访问GPU虚拟指令集和并行计算元素的接口，允许开发者利用NVIDIA GPU的并行计算能力加速计算密集型任务。它通过扩展C/C++等语言，提供直接访问GPU虚拟指令集和并行计算元素的接口。
2.查看电脑支持版本号
打开命令提示符，输入命令nvidia-smi,即可查看电脑支持的最高版本的版本号
如下图所示：
3.下载CUDA包
下面网址是CUDA的官网
https://developer.nvidia.com/cuda-toolkit-archive
选择合适的版本
得到如下图的画面，有非常多的版本，最好选择低于电脑版本的安装，防止有过高的版本不稳定的情况。
选择相应的版本后，点击，再选择自己电脑的系统版本进行安装
4.安装CUDA
打开下载好的文件，选择同意并继续，再选择自定义安装
如果计算机上已经安装了与CUDA版本相兼容的Visual Studio Integration文件，或者通过其他方式（如单独安装Visual Studio的插件）已经集成了CUDA支持，那么在安装CUDA时勾选"Visual Studio Integration"可能会导致冲突或重复安装，引发问题
使用默认安装位置，不要随意更改，以防后期使用出现问题
5.配置环境变量
再此电脑中找到高级系统设置，打开并点击环境变量
查看是否有环境变量，没有的话需要手动增加，增加内容为下图所示内容，点击新建添加即可
6.测试是否安装成功
在命令提示符内输入命令nvcc --version 或者nvcc -V，查看是否有cuda，如果有则安装成功，如果没有则可能版本不兼容
注意：可能会遇到不是此命令等错误，可以查询大模型，主要操作就是在相应位置添加路径，配置好环境变量即可
二、下载pytorch包
1.什么是torch
Torch 是一个开源的机器学习框架，最初由纽约大学和 Facebook 的人工智能研究团队开发。它基于 Lua 编程语言，专注于提供高效的数值计算和深度学习功能。Torch 的核心是一个名为 torch 的库，支持张量计算、自动微分和 GPU 加速。
Torch 的主要特点
- 张量计算：提供多维数组（张量）操作，类似于 NumPy，但支持 GPU 加速。
- 自动微分 ：通过
autograd模块实现梯度计算，简化神经网络训练。 - 模块化设计：包含预定义的神经网络层、损失函数和优化器。
- 跨平台支持：可在 CPU 和 GPU 上运行，支持 Linux、macOS 和 Windows。
2.下载torch
下面链接是pytorch官网，去官网进行下载
选择好对应的版本后，从http开始复制一直到结束，用浏览器打开该网址
打开后下拉找到torch
找到你需要的版本
解释：
前面的1.13.1表示版本号，后面的cu117表示cuda的版本号，cp表示python版本号，后面表示的是电脑系统，可以通过再命令提示符输入where python查看python版本
注意：cuda版本可以比安装的版本低，但是不能比安装的版本高，同时要使用你自己相同的python版本
安装库
将下载好的文件，复制其文件地址，再用命令提示符里进行下载
如：pip install "E:\torch-1.13.0+cu117-cp37-cp37m-win_amd64.whl"（文件地址为自己相应的文件地址）
检查是否安装成功
在命令提示符里输入pip list 即可
3.下载torchaudio库
什么是torchaudio库
torchaudio是PyTorch生态系统中的音频处理库，专门为深度学习任务设计。它提供高效的音频加载、预处理、特征提取等功能，并与PyTorch的张量操作无缝集成，支持GPU加速。
核心功能
- 音频I/O：支持多种格式（如WAV、MP3、FLAC等）的加载与保存。
- 信号处理：包括重采样、频谱图生成（如Mel频谱）、时域操作（裁剪、填充）等。
- 数据增强：添加噪声、时移、变速变调等增强音频数据。
- 预训练模型：集成Wav2Vec2、HuBERT等模型，支持迁移学习。
下载安装
重复上述安装torch的步骤，选对版本就行
点开torchaudio，然后快捷键搜索相应版本，版本号和torch一致即可，下图仅为举例
安装方式也是同样使用 pip install 文件地址即可
4.下载torchvision库
什么是torchvision库
torchvision是PyTorch的官方扩展库，专注于计算机视觉任务。它提供了一系列工具和预训练模型，用于图像和视频数据的加载、预处理、增强及模型训练。torchvision与PyTorch深度集成，简化了计算机视觉项目的开发流程。
核心功能模块
数据集与数据加载
torchvision.datasets 包含常用视觉数据集（如CIFAR-10、ImageNet、MNIST），支持直接下载和加载。搭配torch.utils.data.DataLoader可实现高效批量读取。
图像变换与增强
torchvision.transforms 提供多种图像预处理方法，包括裁剪、翻转、归一化等。支持组合多个变换形成处理流水线
下载安装
步骤与上述一致，注意版本号一致，最后得到下列就是安装成功了
