一、anaconda虚拟环境下的pytorch—gpu版本安装过程记录总体过程：

1、电脑有一块英伟达的显卡、 `检查`电脑是否有合适的GPU

(1)在桌面上右击如果能找到`NVIDA控制面板`，则说明该电脑有GPU。控制面板如下，并通过查看系统信息获取支持的Cuda版本

(1.1)没有“NVIDA控制面板”的`解决办法`相关资料总结如下：


  https://blog.csdn.net/Robin_hc/article/details/86561318?
  https://blog.csdn.net/qq_42772612/article/details/104808171?
  https://blog.csdn.net/han12398766/article/details/88068036?

(1.2)`检查`：

在这里插入图片描述

2、查看显卡带的`默认驱动` cuda driver

(1)`nvidia-smi`

(1.1)查看显卡驱动(`driver version`)

在这里插入图片描述

3、根据驱动向下兼容`下载` CUDA Toolkit 工具箱，`配置环境`(`可搜索`CUDA Toolkit安装过程+cuda环境变量配置)

在这里插入图片描述
下载地址：https://developer.nvidia.com/cuda-10.1-download-archive-update2

4、针对于深度学习，下载专门为深度学习加速的软件库`cuDNN`（对应`CUDA Toolkit`的版本），把下载的内容移到对应的`cuda文件`里

在这里插入图片描述

5、开始激活环境，下载对应`cuda、python、操作系统`的torch、torchvision版本

(1)`下载网址`：`https://pytorch.org/get-started/previous-versions/`

(2)下载对应的torch等之后，`激活`、根据安装地址`install`

在这里插入图片描述

(3)测试：

在这里插入图片描述

二、总结：

1、一件事“打开冰箱、放入新东西、关闭冰箱”思想.

2、强制限定思想：向下兼容思想。事情的发展是一步一步不断进步的，低版本获取生存，高版本获取新用户。

三、博客借鉴：

  https://yidamyth.blog.csdn.net/article/details/118852828?
  https://blog.csdn.net/Robin_hc/article/details/86561318?
  https://blog.csdn.net/qq_42772612/article/details/104808171?
  https://blog.csdn.net/han12398766/article/details/88068036?
  https://www.cnblogs.com/luckyplj/p/13179220.html
  https://blog.csdn.net/pxyp123/article/details/123747978