对深度学习框架配置GPU加速之前，需要先安装好CUDA和CUDNN，在CUDA安装以及CUDNN安装-基于Windows10一文中有详细的说明。需要再次强调的一点是，一定要提前搞清楚深度学习框架与显卡相匹配的CUDA和CUDNN版本。

本机配置情况

l GPU： GeForce GTX 1660Ti

l CUDA：cuda_10.1.243

l CUDNN：v8.0.5.39

一 GPU加速的软件安装

基于自己的硬件加速库，前往Pytorch官网寻找对应版本的下载链接。

Pytorch官网链接：https://pytorch.org/

进入之后界面：

点击install，进入安装界面：

如上图所有，在首界面提示支持的CUDA只有三个版本(红色箭头指向)，并没有适合本机的CUDA10.1。那么此时我们点击图中红色框这句话（绿色箭头指向）进入PyTorch历史版本存档界面。

在这个界面，我们可以找到我们想要的CUDA10.1的下载链接：

这里我们安装的是Pytorchv-1.7.1版本，其实你也可以选择安装其他版本，比如Pytorchv-1.6.0，Pytorchv-1.5.1，只要他们满足你的工作需要并且有支持CUDA10.1的下载链接即可。

需要说明的一点是：这里提供的是anaconda安装的链接，如果你是采用anaconda来安装，直接使用这条语句就好：

conda install pytorch==1.7.1 torchvision==0.8.2 torchaudio==0.7.2 cudatoolkit=10.1 -c pytorch

如果你不是使用anaconda来安装，那么你使用如下语句来安装：

pip install torch==1.7.1+cu101 torchvision==0.8.2+cu101 torchaudio==0.7.2 -f https://download.pytorch.org/whl/torch_stable.html

在命令行输入安装链接以后，可能需要等待很长一段时间，因为安装包的文件超过1G，如果网速好，可能很快，如果网速不好，可能需要几个小时。这时候，我们可以考虑切换国内镜像源来进行下载，一般来说，使用国内镜像源下载速度会快很多很多，具体情况可以参考我之前的一篇文章：pip 修改为国内镜像源（中科大、阿里、豆瓣镜像、清华镜像）

二 GPU安装测试

在python控制台输入以下命令，测试GPU环境是否配置成功：

import torch
torch.cuda.is_available()

如果返回结果为True，那么表明GPU加速配置成功。如果不是True，那么就根据报错信息查找问题，结果如下图所示;

Pytorch是所有深度学习框架厂家中，对各个版本支持最好的一家，比tensorflow和百度Paddle靠谱多了，所以原则是只要你的版本匹配没问题，就不会有错。

如果真的出错了，那你自求多福吧~

Last but not least

不论是Python还是CUDA，建议都不要安装太新的版本，不然很容易造成各种不支持，因为框架厂家更新框架需要时间，框架迭代不会那么快。建议：

• Python选择3.7或者3.8版本，
• CUDA选择9.X或者10.X版本，

这样最保险。

如果有什么疑问或者不同意见，可以在评论区讨论，但是，不喜勿喷。

下一篇就写写配置百度Paddle2的GPU加速吧~