目录
1. 首先查看电脑显卡cuda版本，看最高支持的cuda为多少
2. 下载gpu版本的torch、torchvision的whl包（cu92）：
3. 离线安装gpu版本的torch、torchvision（cu92）：
亲测有用！！！
本人电脑：win10?+ 有英伟达显卡（GeForce GTX 1650） +?Anaconda3 5.2.0?（其中Anaconda里的Python版本是3.6），要安装CUDA、PyTorch 0.4.1 版本（gpu版本）
目标：安装gpu版本的PyTorch0.4.1（cuda9.2+pytorch0.4.1）
写在前面：由于最近有需要，要安装pytorch比较老的版本（零点几的版本），恰好本人电脑带有显卡，所以想要直接安装个gpu版本的pytorch古早版本。pytorch版本老，那么相应的那个pytorch版本支持的cuda版本也比较老，所以我接下来就打算：1）先装个cuda9.2（大致有cuda8.0、cuda9.0、cuda9.1、cuda9.2、cuda10.0等等很多版本），并安装好对应的cudnn，如果到时候cuda9.2太老的话，可以再换装其他版本。。。。。2）安装好cuda9.2和cudnn9.2之后，然后再安装一个gpu版本（cu92，和前面的cuda9.2对应）的PyTorch0.4.1版本。（本来打算安装PyTorch0.4.0之前的版本，但一是以前版本的安装包还挺少的，二是以前版本对应的gpu版本下匹配的cuda版本也很少很老，选择的余地比较少。所以就先打算安装cu92/PyTorch0.4.1试试水，不行的话可以再换装其他。）
一、下载并安装cuda9.2
1. 首先查看电脑显卡cuda版本，看最高支持的cuda为多少
在命令行通过命令nvidia-smi查看cuda版本，如下图。可以看到我的显卡最高支持cuda11.2，即可以装cuda10.0、cuda11.0等，但不能装cuda11.3及以上。（查看显卡和cuda版本可以参考之前博客：win10查看Nvidia显卡、cuda版本）
2. 下载cuda9.2安装包
cuda官网下载地址：CUDA Toolkit Archive | NVIDIA Developer
点击上面的官网下载链接，选择cuda9.2，点进去。（此处选择下载cuda9.2，是一个大约1.5G的exe文件。）
- 也可以使用百度云下载cuda9.2和对应的cudnn9.2，百度云下载链接：?CUDA9.2和配套的cuDNN百度云直达下载，提取码：81v4。来自博客（pytorch gpu版本的最全安装教程，含环境配置、CUDA（百度云下载）安装程序失败解决方案）
然后选择相应的选项（windows、x86_64、win10、exe[local]），点击download即可。网上很多博客强调此处一定要选择exe[local]离线安装，不然在线安装包很坑，下载巨慢。。。
cuda9.2下载下来后是一个exe安装包。
3. 安装cuda9.2
双击运行上面下载好的cuda9.2的exe文件，直接选择默认的C盘安装路径（尽量不要自定义路径，避免后面配置环境变量出现不必要的麻烦）。
?选择自定义安装：
只选择第一个选项CUDA即可，其他的不需要勾选。（参考了网上其他博客，很多建议第一个CUDA里的"Visual Studo Integration"最好也不要勾选，CUDA安装失败一般都是因为它导致的。但我电脑里之前安装过VS2015，所以此处勾选了"Visual Studo Integration"，应该问题不大，后面我也确实安装成功了，没遇到什么问题。所以，如果勾选这个选项的话，最好要先安装一下VS，然后再来安装cuda。）
后面的过程都是直接点击"下一步“，即可。
最后cuda9.2安装成功！！！没遇到什么问题。?
二、下载并安装cudnn (for cuda9.2)
1. 下载cudnn
cudnn官网下载地址：cuDNN Archive | NVIDIA Developer
下载完CUDA9.2之后，在cudnn官网下载链接找与CUDA9.2版本匹配的cuDNN，选最新的安装即可。（官网下载好像需要注册登录。 可以直接使用上面cuda9.2下载时提供的百度云链接，里面有cuda9.2对应的cudnn9.2，这样就不需要自己在官网下载了。）
?下载好的cudnn压缩包：
2. 安装cudnn
将上面下载的cudnn压缩包解压缩，然后分别将解压后的bin、include、lib\x64三个文件夹中的.dll、.h和.lib文件复制到CUDA安装目录下的对应文件夹里，即可。（注意是复制过去，而不是直接覆盖！！！我试了一下，直接把三个文件夹拉到左边路径下，会直接把对应文件复制到对应文件夹下。）
三、配置环境变量
1）计算机上点右键，打开属性->高级系统设置->环境变量，可以看到系统中已经自动多了下面两个环境变量。
2）接下来，还要继续在系统里添加几个环境变量：
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\include
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\lib\x64
3）添加完环境变量之后，在cmd命令行里面使用命令nvcc -V进行测试，测试失败。。。。显示nvcc不是内部或外部命令。。。无法识别命令。。。（使用下面参考博客里的方法，最终ncvv -V测试成功！！！）
解决方法：
解决nvcc显示不是内部或外部命令的问题_Lonely Planet.的博客-程序员秘密_nvcc' 不是内部或外部命令 - 程序员秘密
打开“cmd”，输入set PATH=c:? ，然后输入echo %PATH%，关闭“cmd”，之后再次开启命令提示符，输入echo %PATH%，就会发现新添加的环境变量已经生效了，再次输入ncvv -V，成功。?
?
四、安装GPU版本的PyTorch0.4.1
1. 准备：
1）首先安装Anaconda。（很简单，自行搜索）
2）其次在用Anaconda建一个虚拟环境。
打开Anaconda Prompt输入：conda create -n pytorch0.4.1 python=3.6（n表示参数name，pytorch0.4.1表示自己起的环境的名字，python=3.6表示需要使用的一些包。）
conda create -n pytorch0.4.1 python=3.6
3）激活虚拟环境：
conda activate pytorch0.4.1?
2. 下载gpu版本的torch、torchvision的whl包（cu92）：
torch和torchvision的whl包下载链接：http://download.pytorch.org/whl/torch_stable.html（根据cuda版本和python版本下载相对应的pytorch版本。）
下载2个whl包：
- cu92/torch-0.4.1-cp36-cp36m-win_amd64.whl（cuda9.2，torch0.4.1，cp36代表python版本是3.6，根据自己的需要下载。）
- cu92/torchvision-0.4.1+cu92-cp36-cp36m-win_amd64.whl（cuda9.2，torchvision-0.4.1）
此处，下载了2个whl包：cuda9.2相应的torch0.4.1、cuda9.2的torchvision0.4.1。（根据torch和torchvision版本兼容匹配表https://github.com/pytorch/vision#installation?，torch0.4.1应该匹配torchivision0.2.2版本，但是cuda9.2相应的torchvision包没有0.2.2版本的，于是我下载了cuda9.2/torchivision0.4.1版本，感觉应该问题不大。。。不过最后测试的时候还是改回了torchvision0.2.2版本。。。）
?
将whl包下载到D盘下，如下图所示：
3. 离线安装gpu版本的torch、torchvision（cu92）：
在cmd命令行转到torch和torchvision的whl包保存目录，pip install whl包进行离线安装，即可。
1）安装gpu版本（cu92）的pytorch0.4.1：
pip install torch-0.4.1-cp36-cp36m-win_amd64.whl
?
2）安装gpu版本（cu92）的torchvision0.4.1：?
pip install "torchvision-0.4.1+cu92-cp36-cp36m-win_amd64.whl"
?3）测试：
import torch
torch.__version__
torch.cuda.is_available()
但是测试torchvision时出现错误。。。 错误如下图所示。。。可能主要是因为torch0.4.1和torchvision0.4.1的版本不匹配，根据版本兼容表，torch0.4.1版本应该匹配torchvision0.2.2版本。。。。于是，打算重新安装torchvision0.2.2。
如下图，重新安装torchvision0.2.2。这次，测试成功了。（不过不知道以后会不会出现什么问题，如果有问题，那就根据自己的情况，再重新安装需要的版本吧。）
至此，gpu版本的PyTorch0.4.1安装完成！！！（cuda9.2+pytorch0.4.1）
参考：