新版本的torch于torchvision对应torch torchvision版本对应关系_python torch torchversion 对应版本-CSDN博客 重新下载对应本地版本download.pytorch.org/whl/torch_stable.html
一、安装CUDA
1.检查电脑有无独立显卡
任务管理器→性能：如果有NVIDIA 的GPU，则有独立的NVIDIA显卡。
2.查看电脑NVIDIA支持的CUDA版本
在开始栏查找NVIDIA Control Panel，并打开→帮助→系统信息→组件：找到CUDA对应的版本，示例对应的CUDA是10.2版本。
→ 
3.下载CUDA
CUDA安装链接：https://developer.nvidia.com/cuda-toolkit-archive
打开链接→找到与自己电脑CUDA 版本对应的链接
→依次点击绿键，直到出现Download，点击base installer对应的download即可。
4.安装CUDA
→找到下载好的安装包双击下载；
→建议C盘，下文环境配置可以用和我一样的路径
→在到这一步的时候选择精简版；
→勾选上选项；
→两个选项均无需勾选，点击关闭，安装完成。
5.CUDA环境变量配置（此处仅示范配置环境变量，因为换了电脑，所以cuda版本更换为11.3）
→CUDA安装完毕后，右击此电脑，点击属性，
→选择高级系统设置
→选择环境变量
→点击新建
→首先添加CUDA_PATH=C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.3
（注：这是我的安装位置，此处应默认你的安装路径，一般安装cuda之后默认自带）
→然后添加CUDA_SDK_PATH= C:\ProgramData\NVIDIA Corporation\CUDA Samples\v11.3
(注：这是我的安装位置，此处应默认你的安装路径，你的可能是其他盘，和其他版本）
→同样的方式添加以下四个变量（这四个变量不需要考虑路径是你的还是我的）
CUDA_LIB_PATH = %CUDA_PATH%\lib\x64
CUDA_BIN_PATH = %CUDA_PATH%\bin
CUDA_SDK_BIN_PATH = %CUDA_SDK_PATH%\bin\win64
CUDA_SDK_LIB_PATH = %CUDA_SDK_PATH%\common\lib\x64
→最终结果如下，总共六个路径。
→选择系统变量PATH，点击编辑，弹出右边界面
→选择新建，在末尾添加以下八行，如果你安装默认路径直接抄，如果不是就找到对应路径：
%CUDA_LIB_PATH%
%CUDA_BIN_PATH%
%CUDA_SDK_LIB_PATH%
%CUDA_SDK_BIN_PATH%
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.3\lib\x64
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.3\bin
C:\ProgramData\NVIDIA Corporation\CUDA Samples\v11.3\common\lib\x64
C:\ProgramData\NVIDIA Corporation\CUDA Samples\v11.3\bin\win64
→接下来，检验配置是否成功。Windows+R键启动cmd，
→输入cd C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.3\extras\demo_suite
（这是我的demo_suite的位置，如果安装的时候按在其他盘，请看自己demo_suite所在位置）
→→输入bandwidth.exe，出现Result=PASS
→输入deviceQuery.exe,出现Result=PASS。
以上两步均出现Result=PASS，表明CUDA环境设置成功。若出现问题，则往前查看自己路径是否输入错误。因为路径里面是有这两个可执行文件
二、安装CUDNN
1.下载CUDNN
CUDNN下载链接：https://developer.nvidia.com/rdp/cudnn-archive#a-collapse742-10
打开链接，找到对应版本链接→点击之后需要注册→注册完毕后，重新选择版本下载即可
（注：下图仅为示例，具体版本按照自己CUDA版本对应，我上面下的是CUDA10.2）
2.安装CUDNN
目的：将下载的CUDNN压缩包里面的文件，复制到CUDA的安装目录下
第一步：将cudnn解压
第二步：将里面的四个文件复制到上面的v10.2
→按照刚刚下载的路径，找到NVIDIA GPU Computing Toolkit，依次打开到v10.2，放在一边。
CUDA的安装目录下
→替换成功，此时CUDA和CUDNN操作完毕！
三、安装anaconda
1.下载anaconda
Anaconda官网网址：https://www.anaconda.com/dowmload (下载很慢）
清华镜像版网址：https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/ (下载快）
→选择相应版本下载
2.安装anaconda
→双击下载好的软件安装
→点击next
→点击I Agree
→选择just me，点击next
→建议保存在内存较大的网盘
→将所有选项都选上，点击Intall
【注1】：如果这一步没有选择第一个选项，则需要自己手动设置环境变量，操作可参考下面的【注2】。
→点击next
→next
→Finish
→出现以下界面安装完成
3.检验anaconda安装成功
→快捷键Windows+r，出现cmd，点确定（或者直接在开始栏输入cmd）
→输入conda info 查看python版本
→输入python 查看python版本
→如果版本相同，则安装成功！
4.anaconda环境配置（选择性看）
如果在安装anaconda的时候出现红色字体不能勾选，则需要手动配置环境。
【注2】：如何手动设置环境变量？
→右击此电脑，点击属性→选择高级系统设置→选择环境变量
→选择Path，点击编辑
→点击新建，输入Anaconda位置，
（注：Anaconda安装在哪里，就去哪里找位置。这里是安装在D盘）
四.安装pycharm
1.下载pycharm
Pycharm官网网址：https://www.jetbrains.com/pycharm
打开官网并滑动到底下，找到社区版下载
2.安装pycharm
→双击下载好的软件
→next
→建议下载到内存较大的网盘，点击next
→建议全部勾选上，点击next
→Intall
→next
→建议选择立刻重启，点击Finish
（注：anaconda和pycharm安装过程视频推荐观看：【【python编程环境安装】全网最详细python环境安装。pycharm和anaconda手把手安装教学。-哔哩哔哩】 https://b23.tv/ANrm2N0）
五、安装torch和torchvision
1.下载torch和torchvision文件
→根据自己想用的python版本，找到对应torch和torchvision版本（跟我一样选用python3.6-3.9）
→下载链接：https://download.pytorch.org/whl/torch_stable.html
打开链接，呈现如下画面
→找对应的版本，
例如：cuda10.2和python3.7，匹配torch 1.10.2和torchvison 0.11.3。
红色箭头：cu102代表cuda 10.2
绿色箭头：代表torch 1.10.2与torchvision0.11.3
蓝色箭头：代表python是3.7版本
黑色箭头：代表Windows版本
→点击下载即可。
2.安装torch和torchvision
3.用conda创建虚拟环境
→打开anaconda prompt
→输入conda create -n Torch python=3.7（这里python版本对应自己的，此处是在创建名字为Torch的环境，且该环境声明的python版本为3.7）
→输入y回车
→环境创建完成后，再输入activate Torch，进入刚刚创建的Torch环境
4.在创建的虚拟环境中安装torch和torchvision
→找到torch和torchvision路径，
我的路径是C:\Users\Lenovo\Downloads，大家找到自己对应的路径。
→输入cd C:\Users\Lenovo\Downloads
→如果没有切换的话，再输入一次对应的盘符，我的盘符是C，所以输入C:
→再输入pip install (torch文件名）
→同样的输入pip install (torchvision的文件名)就可以安装torchvision了
→最后检验是否成功，
六、升级 cuda
升级教程连接 windows cuda更新教程_cuda 12.0-CSDN博客
1. 进入控制面板删除 cuda
2. 查看本机能支持的版本
右键进入 nividia-系统信息-组件-支持 cuda12.3
3. 下载相应版本 cuda
进入官网 cuda官网,
本机支持 12.3，因此下载 12.3.2 版本cuda
4. 安装 cuda
反勾选 vs inteegration
可能出现安装程序错误！
参考文章英伟达NVIDIA驱动程序安装失败/解决N卡安装失败问题 - 知乎 (zhihu.com)
5. 下载对应cudnn 版本对应
cnDNN 历史版本下载地址 https://developer.nvidia.com/rdp/cudnn-archive
6. 复制文件
下载后共三个文件夹，分别复制到 cuda 对应文件夹内
7.检验是否安装 cuda 与 cudnn 成功
命令行查看安装版本
nvcc -V
进入到 cuda 的安装路径 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2\extras\demo_suite，执行 deviceQuery.exe
同样进入 cudnn 路径 在 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2\extras\demo_suite 目录下执行 bandwidthTest.exe，出现如下界面
升级 torchvision
查看自己 torch 版本
是 2.2.2 + cu121
打开 gitgub 查看对应 torchvision 版本
pytorch/vision: Datasets, Transforms and Models specific to Computer Vision (github.com)
下载版本
打开下载链接 download.pytorch.org/whl/torch_stable.html
直接锁定自己要的 python 版本的torchvision
升级 torch
在官网查看
进入官网 PyTorch，下滑
直接下载，pytorch 官网上的版本低是可以的，电脑安装的 cuda 能向下兼容