（已存网盘和硬盘，文件夹含三个文件）

本文基本逻辑是：

一、先根据电脑硬件的条件获取本身CUDA版本，据此以及表格比较得出cuDNN、torch、torchvision、python版本。

二、在NVIDIA官网下载CUDA和cuDNN，获取torch的下载链接，网页提供python3.9的下载链接

三、安装CUDA后，把cuDNN这个补丁装到CUDA里边，因为CUDA toolkit是CUDA的工具包，cuDNN是CUDA的加速器补丁；用环境为python3.9的pycharm执行官网的pip命令操作完成torch和torchvision的下载

最后检查

————————————————————————————————————————

这是最开始需要下载的东西（不下也行，反正本文需要python3.9以及pycharm）

python+anaconda+pycharm的安装，其中python3.11.1、conda 22.9.0

但是本文需要python3.9就很寄，不过没事可以下载两个python解释器

目录

一、确定版本部分

windows10 版本安装 CUDA ，需要下载两个安装包CUDA toolkit（toolkit就是指CUDA工具包，CUDAToolkit与cuda版本相同）和cuDNN（用于深度神经网络的GPU加速库），两者都需要安装才可以调用GPU加速

总结部分：

CUDA 10.2、CUDAToolkit10.2（电脑固定）

pytorch1.10 、cudnn8.3.3、torchvision 0.11.1、python 3.9（选择）

1.查看NVIDIA CUDA显卡的版本：10.2

操作：cmd->nvidia-smi

  Driver Version: 430.90       CUDA Version: 10.2意思是：

显卡驱动版本 430.90       显卡支持最高CUDA版本10.2，意思是CUDA版本小于等于10.2的都可以安装上。

2.查看CUDA（10.2）与cudnn（选择8.3.3）、PyTorch（选择1.10）、PyTorch（1.10）与torchvision（选择0.11.1，需要python3.9不能3.11）对应关系

cuda与cudnn对应的版本
cuda  ： cudnn
11.5   ：8.3.3、8.3.2、8.3.1、8.3.0、8.2.1、8.2.0
11.4   ： 8.2.4、8.2.2、8.2.1、8.2.0
11.3   ： 8.2.1、8.2.0
11.2   ：8.2.1、8.2.0、8.1.1、8.1.0
11.1   ： 8.2.1、8.2.0、8.1.1、8.1.0、8.0.5、8.0.5、8.0.4
11.0   ： 8.2.1、8.2.0、8.1.1、8.1.0、8.0.5、8.0.4、8.0.3、8.0.2、8.0.1
10.2   :  8.3.3、8.3.2、8.3.1、8.3.0、8.2.4、8.2.2、8.2.1、8.2.0、8.1.1、8.1.0、8.0.5、8.0.4、8.0.3、8.0.2、8.0.1、7.6.5
10.1  ： 8.0.5、8.0.4、8.0.3、8.0.2、7.6.5、7.6.4、7.6.3、7.6.2、7.6.1、7.6.0、7.5.1、7.5.0
10.0  ：  7.6.5、7.6.4、7.6.3、7.6.2、7.6.1、7.6.0、7.5.1、7.5.0、7.4.2、7.4.1、7.3.1、7.3.0
9.2    ：  7.6.5、7.6.4、7.6.3、7.6.2、7.6.1、7.6.0、7.5.1、7.5.0、7.4.2、7.4.1、7.3.1、7.2.1、7.1.4、7.1.2

PyTorch与CUDA 对应的版本

torch 对应的torchvision和python版本

二、下载部分

CUDAToolkit10.2（电脑固定）

cudnn8.3.3、torch1.10 、torchvision 0.11.1、python3.9（根据对应情况选择）

1. 下载CUDA Toolkit10.2

CUDA Toolkit官方下载地址

找到对应版本10.2

这个就是下载之后的安装包

 2.下载cuDNN8.3.3

https://developer.nvidia.com/rdp/cudnn-archive

往下滑，找到对应版本

 双击之后，跳出下载界面，或者直接下载这个：https://developer.nvidia.com/compute/cudnn/secure/8.3.3/local_installers/10.2/cudnn-windows-x86_64-8.3.3.40_cuda10.2-archive.zip

最后得到：

3.下载torch1.10和torchvision0.11.1

这个链接是所有torch版本https://pytorch.org/get-started/previous-versions/

打开后下滑

 这个是conda下载，不用这个

这个是pip下载，用pip这样子的。下滑找到对应的版本，

我的是win10系统+cuda10.2+pytorch1.10，所以就是下图蓝色部分：

pip install torch==1.10.0+cu102 torchvision==0.11.0+cu102 torchaudio==0.10.0 -f https://download.pytorch.org/whl/torch_stable.html

三、安装部分

1.CUDA Toolkit安装

双击运行-自定义，不过要注意的是

如果你是第一次安装，尽量全选
如果你是第n次安装，尽量只选择第一个，不然会出现错误

（总之新安装就是全默认）

下载完成后，查看系统变量中是否添加了路径，如果没有需要自己添加

测试环境是否安装成功： cmd打开命令提示符，输入nvcc -V、set cuda得到有效输出则按安装成功。

————————————CUDA Toolkit10.2安装完毕————————————

  2.cuDNN8.3.3安装配置

解压这个文件，得到下图

 把三个文件夹拷贝到cuda的安装目录下：C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2。

 让提供管理员权限就提供就行，cuDNN 其实就是 CUDA 的一个补丁而已

验证是否成功:

网上都说需要在系统环境变量中的 path 添加如下路径

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2\bin

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2\include

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2\lib

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2\libnvvp

但是我没添加，测试也成功了。。。

测试方法是，在C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2\extras\demo_suite路径下，cmd，然后输入     .\bandwidthTest.exe   

result=PASS就是ok 

————————————cuDNN8.3.3配置完毕————————————

3.torch 和 torchvision 的安装

 复制好 ，然后打开pycharm，这里是3.11版本的python环境

1.点开终端，2.粘贴安装代码

 出现错误：

问题是没有3.11版本对应的torch，所以下载python3.9，把pycharm的环境改成3.9再操作：

就得是python3.9环境下，点开pycharm后，在下边的“Terminal”点一下，然后粘贴上蓝色的部分

pip install torch==1.10.0+cu102 torchvision==0.11.0+cu102 torchaudio==0.10.0 -f https://download.pytorch.org/whl/torch_stable.html

如下图：

 最后等待几分钟：

 验证是否成功：在pycharm里建一个py文件执行下面代码

import torch
if __name__ == '__main__':
    print(torch.__version__)
    print(torch.cuda.is_available())
    print(torch.version.cuda)

 返回：

 结束！

————————————————————————————————————

检查部分

可以用这6个语句检查一下 

set cuda
nvcc -V
PYTHON
import torch
print(torch.__version__)
print(torch.version.cuda)