1. 环境搭建逻辑
如下图所示，为 pytorch 或 tensorflow 的环境搭建逻辑
2. 一般情况
一般情况下，我们需要按照如下顺序考虑我们该安装哪个版本的 cuda 以及 安装哪个版本的 pytorch
2.0 查看是否已安装cuda
通过下述cmd命令行
C:\Users\asus>nvcc -V如果已安装cuda，则如下图所示，可知悉安装的cuda版本
2.1 安装哪个版本的cuda（尚未安装cuda）
1. 通过以下cmd命令行获悉最高能安装的cuda版本
C:\Users\asus>nvidia-smi结果如下图所示
2. 通过以下网址，结合自己对pytorch版本的需要，综合考虑该安装哪个版本的cuda
cuda-pytorch版本对应 官方
https://pytorch.org/get-started/previous-versions/ （建议使用Ctrl+F快速搜索）
2.2 安装哪个版本的pytorch（已安装cuda，且不是cuda11.2）
如果已知自己的cuda版本（且不是cuda11.2），则通过以下网址，决定安装哪个版本的pytorch
Previous PyTorch Versions | PyTorch
https://pytorch.org/get-started/previous-versions/（建议使用Ctrl+F快速搜索）
如下图所示，如果我安装的cuda版本是11.3 且我希望通过pip安装pytorch，则我应该用“Ctrl+F”的方式找“Wheel” 和 “CUDA 11.3”这两个关键字。
通常会看到很多符合要求的结果，如下展示两例，表明：windows环境下，如果想通过pip安装pytorch，且cuda版本是11.3，那么至少pytorch1.12.1和pytorch1.12.0我是可以安装的。（其实还有更多pytorch版本都可以安装，这里仅贴上来两个例子）
（类似的，如果想通过conda在虚拟环境中安装pytorch，那么在网站中应该搜索的关键字应为“Conda” 和 “CUDA 11.3”）
3. 特殊情况 已安装 CUDA11.2
比较麻烦的情况是，如果我安装的是cuda 11.2这个版本，那么在上述网站中检索不到对应的pytorch版本。
一个已经被验证的解决方案为：（只适用于已安装cuda11.2）
1. 确保已安装cuda11.2
2. 确保虚拟环境的python版本为python3.8
那么，我们可以通过如下命令行，在虚拟环境中用pip安装pytorch1.9.1这个版本
pip install torch==1.9.1+cu111 torchvision==0.10.1+cu111 torchaudio==0.9.1 -f https://download.pytorch.org/whl/torch_stable.html --trusted-host pypi.org --trusted-host download.pytorch.org --trusted-host files.pythonhosted.org参考源：cuda11.2版本的对应安装的pytorch版本_cuda11.2对应的pytorch_程序小K的博客-CSDN博客
4. 检验pytorch是否安装成功
让安装了pytorch的虚拟环境执行包含以下代码的py文件即可
import torch print(torch.cuda.is_available()) # cuda是否可用 print(torch.cuda.current_device()) # 返回当前设备索引 print(torch.cuda.device_count()) # 返回GPU的数量 print(torch.cuda.get_device_name(0))正常情况下 前三个print应输出：
True01