各个部分的安装查看顺序
参考：https://zhuanlan.zhihu.com/p/143881055?ivk_sa=1024320u
- 先查看电脑的gpu是否有加速计算功能。根据型号找到自己gpu是否能加速。https://developer.nvidia.com/cuda-gpus
- 查看pytoch支持的cuda版本
- 查看自己电脑显卡控制面板→帮助→系统信息→组件，安装nvidia的cuda版本低于查看到的版本就行。
- 现在开始下载安装的cudda，找到pytorch支持的cuda版本，然后下载安装对应的cudnn，（cuda）https://developer.nvidia.com/cuda-downloads，（cudnn）https://developer.nvidia.com/rdp/cudnn-download
cuda版本的确定
参考：https://blog.csdn.net/weixin_33742618/article/details/94754437，http://blog.sina.com.cn/s/blog_154a715de0102zscw.html
nvidia-smi是安装的gpu驱动版本的cuda，从nvidia下载的驱动里包含的，nvcc -V是运行cuda的版本，从nvidia下载的cudaToolkits的版本，但驱动版本需要>=运行版本。下面图片是两种区别：
安装cuda后在cmd窗口使用nvcc -V命令看到的是自己安装的cuda版本，这个安装后不会修改自己nvidia显卡控制台上的版本，但这个版本要低于nvidia显卡控制台上显示的版本
在安装pytorch的过程中有一个cudatoolkit的一个版本，这个cuda版本并不一定是 Pytorch 在实际系统上运行时使用的 cuda 版本，而是编译该 Pytorch release 版本时使用的 cuda 版本（引用参考），torch.utils.cpp_extension.CUDA_HOME可查看实际使用的cuda
torch.cuda.is_available() # 查看cuda是否可用 torch.version.cuda # 查看安装pytorch时安装的cuda版本，但并不一定是实际使用的版本， #下面的三个import需要一个一个输入，否则会报错 >>> import torch >>> import torch.utils >>> import torch.utils.cpp_extension >>> torch.utils.cpp_extension.CUDA_HOME # 查看实际使用的cuda版本 >若不是为了看cuda的路径也可以使用nvcc -V 命令快速查看 使用pycharm中，cuda需要注意的地方
>>>pycharm 一旦启动就会确定一个cuda不改变，若修改过cuda需要重启pycharm >pycham的终端和电脑的cmd的不同也可以从这里看出 >若修改了cuda，pycharm未重启，使用nvcc -V查看的还是旧的cuda，就算重启pycharm的终端也不行，但电脑的终端重启后就可以看修改过的cuda 查看cuda版本信息
参考：https://blog.csdn.net/qq_37285386/article/details/106160053
#需要先设置安装的cuda系统变量，在cmd环境下输入 nvcc -V # 注意V是大写 
图片使用了参考链接中的图片
更换不同版本的cuda需要修改环境变量中的路径顺序
nvcc命令显示那个版本的cuda取决于它们在环境变量中设置的先后顺序。但是修改顺序后需要重新开启cmd