电脑明明有GPU，深度学习视觉代码也运行起来了，为什么只在CPU跑，GPU并不占用呢，可能有的同学会有这种经历。

本人就是被困扰了一个月，不知道为什么只在CPU跑，最后偶然发现：
那可能就是CUDA、pytorch、torchvison三者版本不对应的问题，也可能是版本下错的问题。

CUDA、pytorch、torchvision版本一定要对应！！！
CUDA、pytorch、torchvision版本一定要对应！！！
CUDA、pytorch、torchvision版本一定要对应！！！（重要的事情说三遍）

---

这里强调一下，以下的查看不要忘记在特定虚拟环境下，或者你要运行程序/代码的环境下！（当然我们经常跑代码也要养成建立虚拟环境的好习惯。什么？不知道虚拟环境？请自行白百度！）

1.如何查看CUDA、pytorch、torchvision三者版本？

1.1 CUDA版本查看

Windows&Linux 系统下，输入命令：nvcc -V。
注意：一定要是小写、空格-V。（我的就是10.0版本的CUDA）

1.2 Pytorch版本查看

这里介绍两种方法：
A：

//终端-输入python

import torch
print(torch.__version__) 
#上方的_是两个 杠杠

B：

// 终端输入python
pip list

再次强调：+cu101是适应于CUDA10.1，同理，+cu102适应于CUDA10.2，以此类推。
（有的时候这个版本如果安装的是+CPU的，也会不能在GPU跑，因为默认就是在CPU跑的。）

1.3 torchvision版本查看

方法与1.2一致，这里只做说明，不做演示。
A：

//终端-输入python

import torchvision
print(torchvision.__version__) 
#上方的_是两个 杠杠

B:
同1.2 B，已经在截图里面。

好了，到此呢，我们就知道CUDA、Pytorch、torchvision三者的版本啦~
下面就要开始确认三者版本是否兼容了！

2.CUDA、pytorch、torchvision版本对应关系是？

方法A：

（转自：https://blog.csdn.net/weixin_43528564/article/details/120745593）谢谢~

方法B：
官网查看: Pytorch官网.
查看方法：

3.版本确定了，如何安装&下载？

a.这里不介绍CUDA的安装，如果大家已经安装好了CUDA，那么建议删除错误的pytorch和torchvision版本，CUDA的删除和安装更加复杂。
b.BUT，CUDA的版本要看显卡的型号，不过大家如果能装成功CUDA这一条应该也不存在什么问题。

方法1：

下载: 版本大全网站（包含Pytorch&torchvision）.
这个方法是使用

版本很多，大家可以利用Ctrl + F来进行快速定位。
下面这个就是适合CPU的，安装以后就是+CPU。

下面这张就是适用于CUDA10.1的Pytorch-1.7.0版本。

torchvision同理，就不过多赘述了。

安装（Pytorch & torchvision同理）：

点击要下载的版本后会自动下载，下载的是一个.whl文件，需要用pip命令来安装：

// 在下载的路径下打开终端窗口
pip torch-1.8.1+cu111-cp38-cp38-win_amd64.whl
//回车后自动安装

方法2（pip 安装）：

// 在下载的路径下打开终端窗口
//（有虚拟环境记得打开虚拟环境）
pip install torch==1.7.0+cu101 torchvision==0.8.1+cu101 #大家可以根据自己的需要变更版本
//回车后自动安装

如果网速不好，可以加一个镜像（pip安装可以默认镜像，修改系统文件，大家有需要可以自行CSDN）：

pip install torch==1.7.0+cu101 torchvision==0.8.1+cu101 -i https://pypi.tuna.tsinghua.edu.cn/simpl
//回车后自动安装

好啦，这次踩坑经历就分享到这里~

有更多疑问可以私信或者评论，我都会回复的。

下一期打算出个NVIDIA JETSON TX2 运行YOLOV5踩坑之旅~