注： how to 系列只有基本的操作，不涉及原理，类似于操作手册。

Linux，MacOS和Window配置方法差不多，就是环境变量的修改方式不太一样，就不单独说明了。

1. 确定Pytorch版本

估计像我一样的初学者，很多时候都是参考其他人的代码，再进行扩展开发，所以pytorch的版本一开始和参考对象是一致的。可以从下面的链接中寻找自己需要的版本。

https://pytorch.org/get-started/locally/

页面中也有previous 版本，也可以进行查看

本文以 pytorch 1.13.0为例，选择pytroch版本。然后就可以看到需要CUDA支持什么版本了，选择完之后，就可以看到命令，进行一键安装了。我这边介绍详细的安装步骤。

2. 安装显卡驱动

2.1 确定需要驱动版本

已CUDA 11.7 为例，先从官网查看显卡驱动的最低版本

https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html

如图所示，window下，CUDA11.7，显卡驱动大于516.31就行。

2.2 检查驱动

输入nvidia-smi 查看显卡型号，和目前的显卡驱动和能支持的CUDA最高版本。

如上图，我显卡型号是GeForce RTX 2070，目前的显卡驱动版本是431.6，那么需要安装更新版本的显卡驱动，如果当前的显卡驱动版本大于516.31，则不需要安装新版本的显卡驱动。

2.3 更新显卡驱动

可以去NVIDIA官网根据自己的显卡型号，进行驱动的更新，

NVIDIA® GPU drivers
https://www.nvidia.com/download/driverResults.aspx/193884/en-us/

按照自己的实际情况填表

从结果列表里面，选择一个版本就行了，我选择了522.30版本，是大于之前要求的516.31版本的。

3 安装CUDA

3.1 确定需要版本

由之前的pytorch的选择图中，可以看到需要11.7版本

3.2 检查当前版本

输入nvcc --version，可以查看目前的cuda版本，如下图所示，我这边是10.0版本，不符合之前的11.7的需求

版本低于所需版本，所以要更新CUDA版本

3.3 更新CUDA

官网下载即可

https://developer.nvidia.com/cuda-toolkit-archive

https://developer.nvidia.com/cuda-11-7-1-download-archive?target_os=Windows&target_arch=x86_64&target_version=10&target_type=exe_local

按需选择，

4. cuDNN

https://developer.nvidia.com/cudnn

需要加入程序员计划
https://developer.nvidia.com/rdp/cudnn-download

拷贝到CUDA的目录就行。

5. 安装pytorch

都安装完成，检查：

然后使用最开始的一句话的安装命令就行，会发现安装得非常快。

import torch
print(torch.cuda.is_available())

运行，检查，显示true，则安装成功。