Win10安装GPU版PyTorch1.1详细步骤：CUDA+CuDNN+PyTorch

"该资源详细介绍了在Windows 10操作系统上安装GPU支持的PyTorch 1.1的步骤，包括CUDA、cuDNN的安装和环境配置，以及使用Anaconda创建并激活特定Python环境，最后通过代码验证PyTorch安装成功的过程。" 在安装GPU版PyTorch 1.1之前，首先需要确保你的计算机拥有兼容的NVIDIA GPU，并且已经安装了最新的NVIDIA驱动。你可以通过访问GeForce Game Ready Driver或使用GeForce Experience来下载并安装适合你GPU的驱动。在驱动安装完成后，你需要检查CUDA版本，这可以在NVIDIA控制面板的“帮助”->“系统信息”->“组件”->“3D设置”中查看。 在确认CUDA版本后，本教程中提到的是CUDA 10.1。你需要从NVIDIA官方网站下载并安装对应版本的CUDA工具包。安装完毕后，确保你的系统环境变量已经包含了CUDA的bin目录，以便系统能够正确找到CUDA的相关库。 接下来是安装cuDNN，这是一个用于加速深度神经网络计算的库。在CUDA 10.1环境下，你应该选择匹配的cuDNN版本，这里是v7.6.1。同样地，你需要解压缩下载的cuDNN文件，并将解压后的bin目录添加到系统环境变量中。 为了管理不同的软件环境，建议使用Anaconda这一开源的包管理系统。通过Anaconda Prompt，你可以创建一个新的环境，命名为"pytorch_gpu"，指定Python版本为3.7。运行以下命令来创建环境： ```bash conda create -n pytorch_gpu pip python=3.7 ``` 激活刚创建的环境，输入： ```bash conda activate pytorch_gpu ``` 现在，在这个环境中安装PyTorch，考虑到速度问题，可以选择使用国内的镜像源。这里推荐使用中国科学技术大学提供的Anaconda镜像源。有两种方式切换源： 1. 使用命令行： ```bash conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/free/ conda config --set show_channel_urls yes ``` 2. 或者直接编辑`.condarc`文件。 接下来，安装PyTorch及相应的依赖，确保指定了与你已安装的CUDA版本匹配的cudatoolkit： ```bash conda install pytorch torchvision cudatoolkit=10.0 -c pytorch ``` 最后，通过Python代码验证PyTorch是否安装成功。运行以下代码： ```python import torch x = torch.rand(5, 5) print(x) ``` 如果代码正常运行并输出一个5x5的随机张量，那么恭喜你，PyTorch已经成功安装并且GPU支持也已启用。至此，你已经完成了Win10+GPU版PyTorch 1.1的完整安装流程。