前提準備

1、電腦必須支援NVIDIA獨立顯示卡並且已經安裝獨顯驅動

（8G以下就不用考慮安裝了），如下圖所示

2、設定首選圖形處理器

在NVIDIA 控制面板中 -> 選擇管理 3D 設定 -> 全域性設定 -> 首選圖形處理器中選擇高效能 NVIDIA 處理器，然後點選應用

3、檢視獨顯支援的Cuda版本

（非常重要！不支援PyTorch會執行不了!） 點選幫助 -> 系統資訊 -> 組建 檢視

安裝Cuda9.0

1、官網下載Cuda9.0

2、安裝Cuda9.0

執行cuda_9.0.176_win10.exe 選擇自定義安裝 在選擇安裝項時一般不安裝GeForce Experience，CUDA是核心元件必須勾上，剩下兩個選項的當前版本如果比新版本低的話也可以勾選上。接著點選下一步就開始安裝了。

3、驗證cuda安裝

win+r -> cmd 執行nvcc -V檢視

安裝 cuDNN v7.3.1

1、官網下載

官網：https://developer.nvidia.com/cudnn 選擇 Download cuDNN -> Download cuDNN v7.3.1 (Sept 28, 2018), for CUDA 9.0 -> cuDNN v7.3.1 Library for Windows 10

2、安裝cuDNN v7.3.1

解壓下載cudnn-9.0-windows10-x64-v7.3.1.20.zip 將這三個檔案拷貝到CUDA9.0的安裝路徑根資料夾下

安裝Anaconda3-5.2.0

1、安裝Anaconda3-5.2.0

執行Anaconda3-5.2.0-Windows-x86_64.exe 勾選第一項自動新增環境變數

2、驗證anaconda安裝

win+r -> cmd 執行 conda -V 檢視

利用Anaconda Navigator配置多環境Anaconda3-5.2.0

1、啟動Anaconda Navigator

2、新增執行環境

Environments -> Create 輸入 環境名稱（PyTorch）選擇python版本（3.7）

3、啟用執行環境（PyToch）

執行 Anaconda Prompt -> 輸入 activate PyTorch 則可將環境從base切換到PyToch

4、設定清華映象

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/

# for legacy win-64
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/peterjc123/

conda config --set show_channel_urls yes

安裝 PyTorch 0.4.1 GPU版本

1、官網查詢安裝命令

2、在PyToch環境下執行

conda install pytorch -c pytorch

pip3 install torchvision

# for no installed pip3
pip install torchvision

3、驗證 PyTorch-GPU 安裝

執行以下命令

python

import torch

torch.cuda.is_available()

torch.cuda.is_available() 若返回值為True ，恭喜你安裝成功~ 若返回值為False，安裝失敗，恭喜你可以更換配套版本重新安裝啦~ 至此 Cuda9.0 + 多環境Anaconda3-5.2.0 + PyTorch 0.4.1 GPU版本已經安裝完成~ 以下是 PyCharm 的環境配置

PyCharm 的環境配置

Settings -> Project Interpreter 點選右上角小齒輪 選擇 Add 選擇System Interpreter -> 選擇右上角的 … 選擇 Anaconda 安裝目錄下的 envs -> PyTorch -> python.exe 點選ok 出現 pytorch 則配置完成 驗證配置 新建 GPUTest.py 檔案 並執行

import torch

print(torch.__version__)

cuda = torch.cuda.is_available()
print(cuda)

a = torch.Tensor((3, 5))
print(a)
print(a.cuda())

配置成功