一.概念
NVIDIA：NVIDIA是一家人工智能公司，創立於1993年，1999年，NVIDIA定義了GPU。
顯卡：顯卡是計算機最基本組成成分之一，用途是將計算機系統所需要的顯示信息進行轉換驅動顯示器，主流顯卡的顯示芯片主要由NVIDIA（英偉達）和AMD（超微半導體）兩大廠商製造。獨立顯卡顧名思義就是獨立出來的顯卡，在主板上有單獨的顯卡插槽是可以拆卸的，集成顯卡的意思是集成在主板上的一種顯卡，它使用的顯存是系統的一部分內存，自身沒有顯存
GPU：Graphics Processing Unit，簡稱GPU，稱爲圖形處理器，又稱顯示核心，視覺處理器、顯示核心。GPU相當於計算機的CPU，是顯卡的心臟。CPU含有較少個ALU（算術運算單元），GPU含有成千上百個ALU，CPU相當於一個教授，GPU相當於很多個小學生，故當遇到大量100以內的數學計算時，GPU明顯比CPU快得多。
CUDA：CUDA(ComputeUnified Device Architecture)，是顯卡廠商NVIDIA推出的運算平臺。 CUDA是一種由NVIDIA推出的通用並行計算架構，該架構使GPU能夠解決複雜的計算問題。
CUDNN:NVIDIA cuDNN是用於深度神經網絡的GPU加速庫。它強調性能、易用性和低內存開銷。NVIDIA cuDNN可以集成到更高級別的機器學習框架中，如谷歌的Tensorflow、加州大學伯克利分校的流行caffe軟件。CUDA看作是一個工作臺，上面配有很多工具，如錘子、螺絲刀等。cuDNN是基於CUDA的深度學習GPU加速庫，有了它才能在GPU上完成深度學習的計算。它就相當於工作的工具，比如它就是個扳手。但是CUDA這個工作臺買來的時候，並沒有送扳手。想要在CUDA上運行深度神經網絡，就要安裝cuDNN，就像你想要擰個螺帽就要把扳手買回來。這樣才能使GPU進行深度神經網絡的工作，工作速度相較CPU快很多。
二.環境配置
1.環境配置前所做工作
首先我們需要查看本機是否含有獨立顯卡。選擇計算機→管理→設備管理器→顯示適配器，如下圖所示，說明含有獨立顯卡，幸好爲NVIDIA GeForce 940M。
然後查看本機的獨立顯卡是否支持CUDA的安裝，打開網站https://developer.nvidia.com/cuda-gpus，如下圖所示
點擊紅色線框標記這個，如下圖所示，本機的顯卡支持GPU，計算力爲5.0
2.下載並安裝CUDA。
打開網址https://developer.nvidia.com/cuda-toolkit-archive，如下圖所示，選擇一個CUDA版本，本人選擇的是10.1版本
點擊紅色線框所圈內容，其中Version代表windos系統型號，本機爲win7，故選擇7即可，然後點擊下載，大小爲2.1GB
下載後按照默認路徑安裝即可，其中選擇自定義安裝，把VS勾給去掉，如下圖所示。
安裝完成後，需要編輯系統環境變量，計算機→屬性→高級系統設置→高級→環境變量。選擇path，點擊“編輯”按鈕，分別將以下url添加進去即可（注意每個url後面需要加上英文符號“;”）。如下圖所示
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\bin;
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\libnvvp;
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1;
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\lib\x64;
然後測試CUDA是否安裝成功，在命令行中輸入nvcc -V，如下圖所示即代表安裝成功
3.下載並安裝cuDNN
打開網址https://developer.nvidia.com/rdp/cudnn-archive ，然後根據要求進行一個賬號的註冊，註冊成功後便可以下載與CUDA版本相對應的cuDNN。如下圖所示
下載完成後進行解壓得到一個CUDA文件夾，裏面含有lib、include、bin文件夾。找到CUDA安裝的位置，默認爲C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1，然後將CUDNN解壓後的 lib、include、bin文件夾複製進去，若提示覆制和替換，點擊是即可。
4.pytorch下載和安裝
打開網址https://pytorch.org/（若打不開嘗試換其他瀏覽器），本機選擇windows系統，使用pip安裝，語言選擇Python，CUDA選擇10.1，若選擇爲None，則代表不需要CUDA，也就是說配置的是CPU版本的pytorch，如下圖所示
最後將紅色線框所圈的命令在命令行輸入，進行pytorch的安裝。需要注意的是，pytorch比較大，pip安裝速度太慢，會經常失敗，所以我們需要藉助國內鏡像。常用的國內鏡像有
清華：https://pypi.tuna.tsinghua.edu.cn/simple
阿里雲：http://mirrors.aliyun.com/pypi/simple/
中國科技大學 https://pypi.mirrors.ustc.edu.cn/simple/
華中理工大學：http://pypi.hustunique.com/
山東理工大學：http://pypi.sdutlinux.org/
豆瓣：http://pypi.douban.com/simple/
使用方法爲在pip install -i 國內鏡像 所需庫，本人在安裝過程中，使用阿里雲的鏡像安裝最快（有時候也會安裝失敗，比如我晚上安裝了n次都失敗，第二天早上又嘗試了一次就成功了，所以不要灰心，多嘗試幾次）。故本人所安裝的命令爲
pip install -i http://mirrors.aliyun.com/pypi/simple/ torch==1.5.1+cu101 torchvision==0.6.1+cu101 -f https://download.pytorch.org/whl/torch_stable.html
最後在命令行中打開python，輸入import torch，然後再輸入print(torch.cuda.is_available())，返回爲True即可代表GPU版本的pytorch安裝成功。