一.问题
正常安装某版本pytorch时，采用官网的方法和对应的命令，选择适合的pytorch、cudatoolkit版本
Previous PyTorch Versions | PyTorch
由于要在GPU上运行，但测试发现pytorch装的是cpuonly的版本：
python
import torch
torch.cuda.is_available()得到的结果是false
再检查安装的pytorch版本，可以看到是cpuonly的版本：
二.解决方案
这里建议直接采用解决三
解决一：
参考：安装pytorch-gpu时会默认安装cpu版本_勇往无前猪猪侠的博客-CSDN博客
很多方法都说conda uninstall cpuonly过后，再重新装就好，但我采用了这个命令后仍然安装的是cpuonly的版本。
一个小tip：删除cpuonly后，最好清空一下conda的包的缓存，否则笨蛋conda看到缓存中包含了要求的pytorch版本，并不会从官网重新下载新的pytorch，装回来的还是cpuonly的版本。指令：
conda clean -p //删除缓存
conda clean --all 大部分人遇到的问题在这里已经解决了，尽管如此，我的cpuonly问题仍然没有解决。
解决二：
看到一篇关于分析cpuonly问题的根本原因：https://windses.blog.csdn.net/article/details/125910538rr
如果你采用的不是默认源，而添加了诸如清华源等其他源，这些源中可能不包含你所要求的cudatoolkit,torchversion,pytorch版本，conda可能确实会自作主张Install别的pytorch了，解决方案参考链接。
解决三：
非常不幸，我关掉了清华源采用默认源，认真卸载了cpuonly和旧的pytorch，也清理了conda缓存包，还按照官网的conda forge指令下载，但conda还是有他自己的想法硬装CPU版。
问题的本质是conda根据你的指令不能选中唯一的包，总是选中其他的安装包，那我们不妨强行锁定包的版本，或者自己下载好wheel在本地pip安装。
举例：我的显卡是3090，必须采用11.0以上的cuda版本，python版本3.8，pytorch因为环境适配原因必须选择1.8.1，进入pytorch相关版本的网站查看所有whl：
https://download.pytorch.org/whl/torch_stable.html
在这里找到我需要的whl：cu111，torch1.8,cp38，linux——点击下载
下载后，进入下载的位置，pip+包名即可安装。
或者不用下载到本地，采用pip指令，比如我采用的是：
pip install torch==1.8.1+cu111 torchvision==0.9.1+cu111 torchaudio==0.8.1 -f https://download.pytorch.org/whl/torch_stable.html
注意需要在上述网站中找到网站中有的torch\cuda\python兼容的包，没有的会报错。安装其他版本的家人们在相关位置做替换即可。
如果cudatoolkit原本不是这个包的版本，就conda install cudatoolkit=版本，重新安装cudatoolkit即可，只要与自己的GPU适配即可（可在NVIDIA官网查到适配版本）
这样就成功装成了gpu版本的pytorch：
import torch
torch.cuda.is_available()显示为true
问题解决
文章出处登录后可见！
