第一步：安装 Anaconda 和 Pycharm 软件

如果已经安装好，这一步可忽略。
直接在官网 https://www.anaconda.com/products/distribution ，我一般不选择最新版本，我这里安装的是 Anaconda3-2021 版本，并选择 Pycharm community 安装，选择适合自己的即可。

第二步：下载CUDA

1. 首先查看自己电脑GPU版本，方法为：
   打开cmd命令行，输入nvidia -smi 可直接查看自己可安装的最高版本的 CUDA版本，我的电脑是 CUDA11.6。

2. 为了不发生最新版本不能兼容的情况，我选择了相对较老的版本CUDA11.3 进行安装。安装网址：https://developer.nvidia.com/cuda-11.3.0-download-archive

3. 选择相应的版本下载即可：

第三步：安装CUDA11.3

1. 安装cuda：
   双击运行下载好的CUDA的exe文件，安装时不需要更改路径，不是最终路径，这里不需要更改。

2. 选择自定义安装后，取消勾选 Visual Studio，原因安装耗时较长，也可不需要。后面的路径也不需要更改。

3. 这里与其他安装方法不同的是，我没有安装 cudnn，也没有配置 path ，但是同样也安装成功。

4. 打开 Anaconda prompt 命令，输入 nvcc -V 查看 CUDA11.3是否安装成功。安装成功即可显示：

第四步：下载GPU版本下的pytorch和pytorchvision

这里我没有选择直接命令安装，因为安装失败的概率较高。我选择的是下载安装包，再在anaconda里下载whl文件。

1. 查看自己的python版本，还是在 Anaconda prompt 命令，输入 python，我的 python 版本是3.9：

2. 不使用命令行下载 pytorch 的下载链接为：https://download.pytorch.org/whl/torch_stable.html
   里面的文件是cpu开头的是 CPU 版本，cu开头的才是我们要下载的GPU版本。
   这里可参考 torch 和 torchvision 的对应图，以免下错对应版本，这里我选择的 是红色圈内的，根据自己需求下载：

3. 在下载链接里找到的是
   下载的1.10.0 版本的 torch 和 0.11.1 版本的 torchvision，我的 python版本是3.9，注意后面对应的 win 和 linux：
   
   

4. 下载后放在同一目录下，我在c盘新建文件夹 CUDA-python，放在了C:\CUDA-pytorch下：

在 Anaconda prompt 里 cd 到你下载好 torch 和 torchvision 的目录下，输入：
pip install “文件名”，如：

torch 和 torchvision 安装方法一样。

5. 检验方法，输入命令：pip list 后能看到：

第五步：验证以上步骤全部安装成功：

跟着这张图上去输入 python，以下步骤：

最后得到的是 Ture 说明全部安装已完成。