最近训练模型跑代码需要用到nvidia的cuda架构加速，结果网上几乎找不到什么能直接解决问题的教程，最后东拼西凑了几个小时才搭建完成，所以想整理出这篇集百家之精华的教程，防止自己以后太久不用忘记了。

        首先的先知道配置好这些环境需要准备好哪些东西：

1. 带有英伟达显卡的电脑（不是英伟达的也不会来找cuda吧，hh）
2. gpu版的pytorch（pip直接下的都是cpu版的，所以用不了）
3. 适配显卡的cuda架构

一、安装CUDA

1、了解CUDA版本

    桌面右键打开nvidia控制面板->点击左下角系统信息->点击组件，查看第三行产品名称，为自己电脑所能兼容的最高的cuda版本（如我的电脑最高能兼容12.3版本）

2、安装CUDA

1、进入官网，下载对应的安装程序

2、点击安装程序进行安装

 选择默认路径即可（只是个临时提取安装程序的文件夹）

选择自定义安装

将Visual Studio Integration选项取消（没什么用而且会影响下载）

确定安装路径（可以修改，最好记住）

等待安装即可

安装完成后查看一下是否有环境变量，没有自己手动添加

CUDA_PATH

CUDA_PATH_V12_3

测试环境是否安装成功

打开cmd，输入

nvcc -V

查看cuda版本

输入

set cuda

查看环境变量

如上两图即为下载成功！

二、安装Pytorch

1、了解对应的pytorch版本

要成功运行cuda架构，所需的pytorch版本必须与python和cuda版本对应，以下为cuda与pytorch对应关系

cuda与pytorch版本对应表

CUDA版本	可用PyTorch版本
7.5	0.4.1 ，0.3.0， 0.2.0，0.1.12-0.1.6
8.0	1.1.0，1.0.0 ，0.4.1
9.0	1.1.0，1.0.1, 1.0.0，0.4.1
9.2	1.7.1，1.7.0，1.6.0，1.5.1，1.5.0，1.4.0，1.2.0，0.4.1
10.0	1.2.0，1.1.0，1.0.1 ,1.0.0
10.1	1.7.1，1.7.0，1.6.0，1.5.1，1.5.0， 1.4.0，1.3.0
10.2	1.12.1，1.12.0，1.11.0，1.10.1，1.10.0，1.9.1，1.9.0，1.8.1，1.8.0，1.7.1，1.7.0，1.6.0，1.5.1，1.5.0
11.0	1.7.1，1.7.0
11.1	1.8.0
11.3	1.12.1，1.12.0，1.11.0，1.10.1，1.10.0，1.9.1，1.9.0，1.8.1，1.8.0
11.6	1.13.1，1.13.0，1.12.1，1.12.0 ，1.13.1
11.7	1.13.1，1.13.0，1.13.1 ，2.0.0，2.0.1
11.8	1.13.1，1.13.0 ，2.0.0，2.0.1，2.1.0
12.1	2.1.0，2.0.1，2.0.0

版本大致按照这个表格对应，最新的cuda12.3版本亲测可以兼容pytorch2.0.0，其余未知，参考官网Previous PyTorch Versions | PyTorch

pytorch与python对应关系

python与pytorch，torchvision版本对应表

torch	torchvision	python
<=1.0.1	0.2.2	==2.7, >=3.5, <=3.7
1.1.0	0.3.0	==2.7, >=3.5, <=3.7
1.2.0	0.4.0	==2.7, >=3.5, <=3.7
1.3.0	0.4.1	==2.7, >=3.5, <=3.7
1.3.1	0.4.2	==2.7, >=3.5, <=3.7
1.4.0	0.5.0	==2.7, >=3.5, <=3.7
1.5.0	0.6.0	==2.7, >=3.5, <=3.8
1.5.1	0.6.1	==2.7, >=3.5, <=3.8
1.6.0	0.7.0	>=3.6, <=3.8
1.7.0	0.8.0	>=3.6, <=3.8
1.7.0	0.8.1	>=3.6, <=3.8
1.7.1	0.8.2	>=3.6, <=3.9
1.8.0	0.9.0	>=3.6, <=3.9
1.8.1	0.9.1	>=3.6, <=3.9
1.9.0	0.10.0	>=3.6, <=3.9
1.9.1	0.10.1	>=3.6, <=3.9
1.10.0	0.11.0	>=3.6, <=3.9
1.10.1	0.11.1	>=3.6, <=3.9
1.11.0	0.12.0	>=3.6, <=3.9
1.11.1	0.12.1	>=3.6, <=3.9
1.12.0	0.13.0	>=3.7, <=3.10
1.12.1	0.13.1	>=3.7, <=3.10
1.13.0	0.14.0	>=3.7, <=3.10
1.13.1	0.14.1	>=3.7, <=3.10
2.0.0	0.15.0	>=3.8, <=3.11
2.0.1	0.15.1	>=3.8, <=3.11

本人使用的是python3.10和cuda12.3，根据表格，故选择了下载pytorch2.00版本

2、安装pytorch

pytorch一般有两种安装方式，一种是直接运行官网的安装代码，另外一种是使用国内的镜像（推荐）

（1）官网安装

进入官网Start Locally | PyTorch

选择安装方式（conda/pip）

选择对应cuda版本

然后复制红框内代码，在pycharm终端运行

最后终端显示successfully installed即为成功

如要下载历史版本，进入官网Previous PyTorch Versions | PyTorch​​​​​​

在里面查找相应版本的安装指令即可

（2）国内镜像网站安装（推荐）

        在官网安装速度相对较慢，而且受国内外网络影响可能会安装失败，相比较而言用国内的镜像网站能大大提高成功率，既快速又简捷，下面展示镜像网站的安装方式

进入镜像网站download.pytorch.org/whl/torch_stable.html

选择合适的版本，注意一定要选择cu开头的才是gpu版本

torch后面的数字是torch版本，cp后是对应的python版本，还要注意操作系统

下载好后放置在一个文件夹中，如图所示

在pycharm终端进入到该路径下运行代码：pip install "文件名" 进行安装

安装好后进行检验，打开file->settings->project->python interpreter,查看是否有torch

版本后缀一定得是'cu***'才是gpu版

（3）检验CUDA

最后再检验一下能否运行cuda

在cmd或者pycharm终端中调用python，按图中代码输入

>>> import torch
>>> torch.cuda.is_available()
True

若输出为True，那么恭喜你，cuda架构和pytorch环境就搭建好了！！！

如果本篇博客对你有所帮助，那么请别忘了点赞加收藏哦！！！