安装过CUDAtensorflow后重新拾起：
PyTorch1.8.1+CUDA11.1
由于我早在2017年就安装过tensorflow gpu版本，所以已经安装过CUDA 9.0。在过去的⼏年⾥都没有再使⽤过tensorflow进⾏深度学习的代码编写。现在要重新拾起来，发现⽐重新装还困难⼀些，颇有整饬⼭河的感觉，没有安装过的也可以跟着重新安装。
1、重新安装Geforce experience
2、更新NVIDIA显卡的驱动程序
3、安装符合驱动程序要求的CUDA软件版本
4、安装 与CUDA版本对应的 cuDNN
5、添加环境变量
6、安装PyTorch
1、重新安装Geforce experience
为什么要重新安装Geforce experience？
因为在旧版本的Geforce experience可能⽆法安装最新版本的显卡驱动，就像我这次⼀样，⼀直显⽰⽆法继续安装。
2、更新NVIDIA显卡的驱动程序
2.1 更新驱动程序
打开安装好的Geforce experience，点击驱动程序，可以看到可⽤的Geforce Game Ready驱动程序，点击下载并安装。
安装过程中，顺便看看2.2的内容。
备注：有的⼈可能会像我⼀样，明明安装过Geforce experience，却连账号都没有（虽然我清楚的记得⾃⼰有账号，却登不上去），同时，⼜遇到Geforce experience上却⽆法注册账号( 祸不单⾏啊 -_-|| )的问题，我到的解决⽅法可能能够帮到你：
2.2 查看N V ID IA显卡
在桌⾯上右击如果能到NVIDA控制⾯板，则说明该电脑有GPU。控制⾯板如下，并通过帮助→系统信息查看GPU及其驱动程序版本。
更新到最新版本的GPU驱动程序后，再次查看，可以看到已经是最新版本，⽬前的最新版本为466.27。
点击图中的组件，切换到组件，查看当前可以安装的CUDA版本。
3 安装最新版本的CUDA
3.1 查看已安装CU D A的版本
⼀般情况下，CUDA安装路径为：
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0
CUDA⽂件下的⼦⽂件夹v9.0就是⽬前安装的CUDA版本。
3.2 根据显卡驱动程序选择安装正确的CU D A版本
点击查看现有驱动程序可以安装的CUDA版本。
点击安装CUDA。
这⾥我下载的是最新版本的CUDA11.1
在安装过程中，我选择的是简明安装。安装前在查看已安装在C盘的CUDA v9.0 发现⼤⼩为1个多G，也就没有在意了，直接装C盘吧。安装向导的最后勾选了launch samples。
3.3 查看是否安装成功
打开控制台CMD，修改路径为安装CUDA的路径，在这⾥，我的路径为C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA
1、先修改路径到CUDA的⽂件夹，代码如下：
cd C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA
2、修改路径到当前版本，我⽬前为v11.1
cd v11.1
3、修改路径到bin⽂件夹
cd bin
4、输⼊指令：nvcc -V(这⾥V是⼤写字母)
nvcc -V
结果如图：
4、安装cuDNN
2、解压cuDNN压缩包，可以看到cuda⽂件夹⾥⾯有bin、include、lib三个⼦⽂件夹。打开CUDA的安装⽬录，将cuDNN压缩包内对应⽬录下的⽂件分别复制到bin、include、lib\x64⽬录。复制的是⽂件，不是⽂件夹。
5、添加环境变量
1、在系统变量的path⾥添加以下两个变量，参照格式修改为你的安装路径和版本
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.1
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.1\lib\x64
2、测试安装成功：
打开控制台CMD，修改路径为：
cd C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.1\extras\demo_suite
分别输⼊命令：
.\
.\
得到结果：
6、安装PyTorch
可以采⽤很多种⽅式安装，这⾥采⽤anaconda进⾏安装。
6.1 更新anaconda
应该可以直接更新anaconda，当然也可以在anaconda的安装路径中到⽂件，双击删除，再重新安装。
⽽我则是直接删除了⽂件，所以重新安装的时候报错已经安装过了，⼜把注册表⾥的删除了，才能够重新安装。
这⾥需要注意的是安装包似乎需要以管理员⾝份进⾏安装。
安装的教程可以参考我之前写的博客：，也可以结合以下别⼈的教程。
6.2 搭建py t h on环境
1）打开Anaconda Prompt
2）切换⽂件路径
打开的控制台的路径应该是C盘，切换到其他磁盘，以切换到E盘为例，输⼊如下代码：
e:
切换到⽬标路径，⽤于新建⽂件夹存放未来要安装的环境，使⽤cd切换路径，使⽤Tab键⾃动查相似的路径名称：
cd Application
3）新建⼯作⽂件夹，使⽤md+新建⽂件名称新建⽂件夹(make directory)，也可以直接打开对应的路径新建⽂件夹
tensorflow版本选择md AnacondaWorkspace
4）切换⽬录到⼯作⽂件夹
cd AnacondaWorkspace
之后的环境将安装到这个⽂件路径下。（这⾥有错误，环境依旧是安装到了Anaconda3\envs路径下。）
5）使⽤清华镜像源
conda config --add channels mirrors.tuna.tsinghua.edu/anaconda/pkgs/free/
conda config --add channels mirrors.tuna.tsinghua.edu/anaconda/pkgs/main/
conda config --add channels mirrors.tuna.tsinghua.edu/anaconda/cloud/pytorch/
conda config --add channels mirrors.tuna.tsinghua.edu/anaconda/cloud/conda-forge/
conda config --add channels mirrors.tuna.tsinghua.edu/anaconda/pkgs/pro/
conda config --set show_channel_urls yes
conda config --set show_channel_urls yes的意思是从channel中安装包时显⽰channel的url，这样就可以知道包的安装来源了。
更多内容可以参考这篇博客：
6）建⽴虚拟环境pytorch
conda create --name pytorch(这个名字⾃⼰随便起) python=3.8(这⾥要写成3.8可能与anaconda版本有关系) anaconda
conda create --name pytorch python=3.8 anaconda
中间需要你确认Proceed ([y]/n)? 不建议输⼊y，我输⼊y后安装了2.4Gb的依赖包，好像之后也可以安装吧。
7）启动虚拟环境pytorch
activate pytorch
8）激活虚拟环境pytorch
conda activate pytorch
9）查看Python版本
python -V
6.3 anaconda安装P y Torch
1）在PyTorh的查看对应的pytorc下载指令
我安装的是CUDA 11.1，Windows平台，使⽤conda安装，Python语⾔
2）输⼊安装指令到Anaconda Prompt中：
conda install pytorch torchvision torchaudio cudatoolkit=11.1 -c pytorch -c nvidia
如果报错⽆法到依赖包（PackagesNotFoundError -cudatoolkit=11.1），可以尝试指令：
conda install pytorch torchvision torchaudio cudatoolkit=11.1 -c pytorch -c nvidia -c conda-forge
经常由于⽹络中断导致下载失败。
对于⽹络中断的问题，到的下⾯⼏篇篇博客进⾏了讲解：
：这篇⽂章提出设置超时时间来解决问题，指令如下：
pip --default-timeout=1000 install requests
：下载其需要的软件，采⽤conda本地安装。这⾥没有进⾏尝试。
：暂时没看懂这篇⽂章在讲啥。
现在是晚上⼗⼆点半，好像下载速度变快了不少。
半夜⼀点之后，让电脑继续慢慢下载了，第⼆天早上起床，发现运⽓挺好，已经下载安装完成了。3）测试是否安装成功
进⼊Python，输⼊指令：
python
python状态下，命令⾏输⼊如下指令：
import torch
import torchvision
print(torch.__version__)
pytorch安装成功：