1.查看pytorch官网https://pytorch.org/，选择合适的版本 我选择的是pip安装的CUDA11.1版本，此处注意显卡是否支持CUDA版本，如果没有显卡，请使用CPU版的Pytorch

2.安装CUDA

跟据所安装的Pytorch选择对应的CUDA版本，我选择的是CUDA11.1版本

https://developer.nvidia.com/cuda-11.1.0-download-archive（下载网址）

下载后进行安装

注意自己的显卡驱动版本高于CUDA所要求的版本

 我所使用的是465.89版本驱动，支持CUDA11.1

 显卡驱动下载

https://www.nvidia.cn/geforce/drivers/

安装完成后，进入英伟达控制面板

 点击左下角的系统信息，在组件中查看CUDA是否安装成功

或者在命令行中使用nvidia-smi查看显卡信息

CUDA 有两种API，分别是 运行时 API 和 驱动API，即所谓的 Runtime API 与 Driver API。

nvidia-smi 的结果除了有 GPU 驱动版本型号，还有 CUDA Driver API的型号，这里是 11.1。

而nvcc的结果是对应 CUDA Runtime API。

我之前安装过高版本的cuda（11.3），nvidia-smi版本大于nvcc -V的版本不会有什么问题，只要保证高于要安装的驱动就行，如果版本小了，可以去官网：https://www.nvidia.cn/geforce/drivers/ 下载高版本的。

参考链接：https://blog.csdn.net/congxing9333/article/details/112319570

3.安装CuDNN

官网下载：https://developer.nvidia.com/zh-cn/cudnn

需要加入英伟达开发者社区

下载完成后解压文件夹，将解压后的文件夹下的文件拷贝到cuda安装目录下，与之相对应的文件夹下。

 具体参考：https://blog.csdn.net/sinat_23619409/article/details/84202651

4.测试Pytorch

使用Pycharm，建立一个空白python工程，创建一个测试程序

import torch
print(torch.__version__)  #注意是双下划线
print(torch.version.cuda)
print(torch.cuda.is_available())
print(torch.cuda.get_device_name())

运行并查看结果

至此，GPU版本的Pytorch已经成功安装

5注意事项

在安装过程中，一定要注意自己的python版本，比如之前安装过anoconda，将系统变量设置为anoconda，但一直使用pip安装，所以Pytorch一直无法寻找到CUDA驱动，所以，安装之前请设置好当前使用的python版本