1. 目的： 安装GPU版本pytorch
2. 问题：cuda、toolkit、cuDNN、python版本均要一致，一旦出现不对应，就会导致安装失败。
3.以下是 两次安装失败问题展现
原因1：cuda渠道版本是12.3，但是pytorch的最新cuda版本支持<=12.1 (https://pytorch.org/) 日期：20231026 解决方式：卸载掉cuda相关的所有程序，重新安装 原因2：cuda版本11.7，并调用pytorch官网的conda命令安装，如下 conda install pytorch==2.0.1 torchvision==0.15.2 torchaudio==2.0.2 pytorch-cuda=11.7 -c pytorch -c nvidia 报错如下
根据上述报错信息，课件是torch2.0.2对应的python般般大于3.8

综上分析：安装pytorch要求cuda、toolkit、cuDNN、python四个版本均一致
4. 卸载/安装pytorch
1. 查看显卡驱动，可驱动的cuda的最高版本
通过 NVIDIA Control Panel 查看

显卡是NVIDIA GeForce RTX 3050 Laptop
nvidia-smi

2. 控制面板中卸载NVIDIA程序，我均删掉
3. 查看显卡驱动，可驱动的cuda的最高版本
nvidia-smi
报错，说明卸载成功。
再把相应地址的文件夹都删除

接下里开始安装
安装前先确定pytorch、python版本（https://pytorch.org/get-started/previous-versions/），看和显卡支持的cuda版本是否一致，然后确定对应toolkit和cuDNN

4. 下载toolkit
对应版本查看，参考https://developer.nvidia.com/cuda-toolkit-archive
https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html


安装过程，可选择自定义。比如只安装CUDA对应的驱动
安装toolkit也会安装cuda驱动

5. 下载cuDNN
cuDNN对应版本 https://developer.nvidia.com/rdp/cudnn-archive
下载之后，文件拷贝
(1)解压：会生成cuda/include、cuda/lib、cuda/bin三个目录；
(2)分别将cuda/include、cuda/lib、cuda/bin三个目录中的内容分别拷贝到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1对应的include、lib、bin目录下即可。
注意：不是替换文件夹，而是将文件放入对应的文件夹中（如果提示是否替换，说明操作有问题）

6.验证安装
6.1 安装pytorch
conda install pytorch==2.0.1 torchvision==0.15.2 torchaudio==2.0.2 pytorch-cuda=11.7 -c pytorch -c nvidia

import torch

torch.cuda.is_available() # cuda是否可用
torch.version.cuda # cuda版本

torch.backends.cudnn.is_available() # cudnn是否可用
torch.backends.cudnn.version() # cudnn版本

6.2 安装pytorch验证结果如下