1.开发环境：
本PyTorch系列采用的开发环境如下：
- Python3.9 + Anaconda
- CUDA 11.6
2.CUDA：
在配置开发环境时，首先需要搞清楚CUDA、CUDA Toolkit、cudnn之间的关系：
- CUDA：NVIDIA为“GPU通用计算”构建的运算平台。
- CUDA Toolkit： CUDA完整的工具安装包，其中提供了 Nvidia 驱动程序、开发 CUDA 程序相关的开发工具包等可供安装的选项。后续所谓的升级CUDA其实就是下载安装对应版本的CUDA Toolkit。
- cudnn：是一个专门为深度学习计算设计的软件库，里面提供了很多专门的计算函数，如卷积等。
windows系统通过cmd打开命令行，
- 输入
nvcc --version命令查看当前系统中的CUDA版本，也就是CUDA runtime。 - 输入
nvidia-smi命令查看当前系统支持的CUDA版本，也就是CUDA Dirver。
可以看到当前我的电脑系统支持的CUDA版本为11.7，而当前电脑上安装的为CUDA11.6。
如需更新CUDA版本可以前往NVIDIA官网下载对应版本的CUDA Toolkit：https://developer.nvidia.com/cuda-toolkit-archive
另外，cudnn库其实不需要提前下载安装配置，后续安装Pytorch时会自动安装。
3.PyTorch安装：
前往PyTorch官网，在页面的GET Started部分，选择自己的开发环境进行选择，然后在Command中输入最后显示的命令即可。
推荐使用conda安装。
4.PyTorch安装检查：
安装完成后，只要能够import torch就表示PyTorch安装成功。
我们可以在Pycharm 等IDE中运行以下代码程序，查看以下PyTorch的版本并查看下PyTorch是否支持GPU。
import torch
print(torch.__version__)
print('GPU:',torch.cuda.is_available())运行得到如下结果：
1.13.0
GPU: True