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：
- 带有英伟达显卡的电脑（不是英伟达的也不会来找cuda吧，hh）
- gpu版的pytorch（pip直接下的都是cpu版的，所以用不了）
- 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7.50.4.1 ，0.3.0， 0.2.0，0.1.12-0.1.68.01.1.0，1.0.0 ，0.4.19.01.1.0，1.0.1, 1.0.0，0.4.19.21.7.1，1.7.0，1.6.0，1.5.1，1.5.0，1.4.0，1.2.0，0.4.110.01.2.0，1.1.0，1.0.1 ,1.0.010.11.7.1，1.7.0，1.6.0，1.5.1，1.5.0， 1.4.0，1.3.010.21.12.1，1.12.0，1.11.0，1.10.1，1.10.0，1.9.1，1.9.0，1.8.1，1.8.0，1.7.1，1.7.0，1.6.0，1.5.1，1.5.011.01.7.1，1.7.011.11.8.011.31.12.1，1.12.0，1.11.0，1.10.1，1.10.0，1.9.1，1.9.0，1.8.1，1.8.011.61.13.1，1.13.0，1.12.1，1.12.0 ，1.13.111.71.13.1，1.13.0，1.13.1 ，2.0.0，2.0.111.81.13.1，1.13.0 ，2.0.0，2.0.1，2.1.012.12.1.0，2.0.1，2.0.0
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
torchtorchvisionpython<=1.0.10.2.2==2.7, >=3.5, <=3.71.1.00.3.0==2.7, >=3.5, <=3.71.2.00.4.0==2.7, >=3.5, <=3.71.3.00.4.1==2.7, >=3.5, <=3.71.3.10.4.2==2.7, >=3.5, <=3.71.4.00.5.0==2.7, >=3.5, <=3.71.5.00.6.0==2.7, >=3.5, <=3.81.5.10.6.1==2.7, >=3.5, <=3.81.6.00.7.0>=3.6, <=3.81.7.00.8.0>=3.6, <=3.81.7.00.8.1>=3.6, <=3.81.7.10.8.2>=3.6, <=3.91.8.00.9.0>=3.6, <=3.91.8.10.9.1>=3.6, <=3.91.9.00.10.0>=3.6, <=3.91.9.10.10.1>=3.6, <=3.91.10.00.11.0>=3.6, <=3.91.10.10.11.1>=3.6, <=3.91.11.00.12.0>=3.6, <=3.91.11.10.12.1>=3.6, <=3.91.12.00.13.0>=3.7, <=3.101.12.10.13.1>=3.7, <=3.101.13.00.14.0>=3.7, <=3.101.13.10.14.1>=3.7, <=3.102.0.00.15.0>=3.8, <=3.112.0.10.15.1>=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！！！
版权归原作者 边彻 所有， 如有侵权，请联系我们删除。