前言
标题名字是很奇怪，没关系，重点看内容。
正常安装CupPy需要较为复杂的cuda环境配置，可以参考文章——CUDA环境配置。
如果你觉得去官网安装CUDA Toolkit太麻烦，那我们可以利用pyotch的cudatookit来保证Cupy的正常运行。
正文
- CuPy官网
官网给出了详细的安装操作，但是需要手动安装CUDA Toolkit，如果你没有实践过，这也许会比较难。
官网给出了相应版本对应的安装命令：
我电脑是11.1，所以这里执行下面命令即可
pip install cupy-cuda111
安装好以后直接去运行肯定是不行的，会报错：
Failed to import CuPy.
If you installed CuPy via wheels (cupy-cudaXXX or cupy-rocm-X-X), make sure that the package matches with the version of CUDA or ROCm installed.
On Linux, you may need to set LD_LIBRARY_PATH environment variable depending on how you installed CUDA/ROCm.
On Windows, try setting CUDA_PATH environment variable.
Check the Installation Guide for details:
https://docs.cupy.dev/en/latest/install.html
Original error:
ImportError: DLL load failed while importing runtime: 找不到指定的模块。
意思很明确了，就是说你没有安装cuda，或者没有指定CUDA_PATH的环境变量。
- 如果你安装了pytorch的cudatoolkit， 你会发现你是可以使用cuda加速的，那为什么cupy就不可以呢？
因为在pytorch官网安装的cudatoolkit并不是官网安装CUDA Toolkit，它们是不相同的。
pytorch官网安装的cudatoolkit是一些编译好的CUDA程序，当系统上存在兼容的驱动时，这些程序就可以直接运行。安装pytorch会同时安装cudatoolkit，且pytorch的GPU运算直接依赖cudatoolkit，因此无需安装CUDA Toolkit即可使用pytorch进行深度学习。
-
对于我们这种喜欢偷懒的人，肯定是选择安装pytorch的cudatoolkit啊，毕竟一行命令就都安装好了。
对于pytorch和cuda的安装，可以参考我的另外一篇文章——pytorch+cuda,各种较老版本cuda，两步完成 -
对于安装好了pytorch的cudatoolkit以后，怎么让CuPy在cudatoolkit上运行呢，这就很容易了，只需要先导入一下torch就可以了！
放个下图给你们看看，虽然还是会Warning，但是已经可以正常使用了。
总结一下
- 首先安装pytorch和cudatoolkit，可以参考pytorch+cuda,各种较老版本cuda，两步完成
- 安装cupy，通过上面文章也可以找到cuda的版本，然后
pip install cupy-cuda???（???就是版本） - 记得在import cupy 之前先 import torch就可以了。
import torch
import cupy
然后就可以使用cupy了。
- 可以使用
a = cupy.array([1,2])
print(a.device)
验证一下是否导入成功，如果成功了就成功了，如果不成功，去官网安装CUDA Toolkit吧。
