1.Cuda的下载安装及配置
首先我们要确定本机是否有独立显卡。在计算机-管理-设备管理器-显示适配器中，查看是否有独立显卡。

可以看到本机有一个集成显卡和独立显卡NVIDIA GetForce GTX 1050。
接下来，测试本机独立显卡是否支持CUDA的安装，点击此处查询显卡是否在列表中。


从上图中，可以看到我本机的独立显卡是支持CUDA安装的，计算力是6.1。
那么，接下来就是选择CUDA进行安装即可，点击此处


这里我选了CUDA Toolkit10.0的版本，至于选择哪个版本，个人认为应该没多大差别，一般就是看这个版本是否要求GPU的计算能力是多少以上。大约是2.1G。我用windows的IDM下载工具下载的，速度蛮快的。
接着就是安装过程，双击打开显示临时解压目录，不需要改变，默认即可。

接下来，进入NVIDIA安装过程，在这安装过程中，我一开始直接选择的精简安装，但由于VS的原因，导致无法正常安装，于是我换成了自定义的安装方式，并将VS勾给去掉，便可以正常安装了，至于CUDA的安装目录，大家默认安装在C盘即可。


安装完成之后，便是配置环境变量。环境变量配置如下图所示。

测试CUDA是否正常安装。可以看到测试成功，接着进行cudnn的下载。
2.CUDNN的下载及配置
点击此处，选择下载download cudnn，但这里需要你注册一个账号，然后进行问卷之后才可以进行下载页面，反正一步步操作即可。
然后因为我上一步CUDA的版本是10.0,而CUDNN的版本要跟CUDA版本一致，所以选择第二个下载即可。

下载之后，解压缩，将CUDNN压缩包里面的bin、clude、lib文件直接复制到CUDA的安装目录下，直接覆盖安装即可。

3.pytorch-gpu的安装
直接来到Pytorch的官网，此处，因为根据自己的配置进行选择，我试过用conda安装，但是conda安装老是不成功，也替换过清华镜像源，但速度实在是龟速，半天没动静。虽然pip下载也蛮慢，但至少可以安装成功。这里我对pip的安装方式，稍作修改，让其直接从清华镜像源下载。然后慢慢等待安装成功即可。

然后命令行验证pytorch是否正常安装成功，这里可以正常打印出版本号，安装没问题。
import torch

print(torch.__version__)

但接下来我尝试让其输出是否可以正常调用CUDA，却输出False.
print(torch.cuda.is_available())
经过一段时间的交流，找到问题所在。因为我本机是集成显卡和独立显卡并存，可能是因为默认调用集成显卡而造成的问题，那么接下来就是将独立显卡设为默认即可。
但我因为多次尝试的结果，成功将我本机的NAVIDIA控制面板给卸载掉了，无法正常打开，所以我还需要重新下载NVIDIA的控制面板，来到官网此处，选择对应的版本下载安装即可。

然后右键打开NIVIDIA控制面板，选择管理3D设置，全局设置中选择高性能NVIDIA处理器即可。


然后在命令行下重新输入
import torch

print(torch.cuda.is_available())
即可返回True，若还返回False的话 ，记得重启一下电脑，遇到问题重启一下电脑，看是否可以正常显示。
注意:检验是否安装成功
(这条命令意思是检验是否可以调用cuda，如果安装的是CPU的小伙伴们会返回False，GPU的小伙伴会返回true。一般这个命令不报错的话就证明安装成功。)