使用的都是anaconda创建的环境

1.软件准备

下载cuda
查看自己的显卡驱动–进入NVIDIA的控制面板

然后根据显卡驱动下载对映的cuda
查看的网址
下载cuda的网址
下载cuDNN
NVIDIA cuDNN是用于深度神经网络的GPU加速库。它强调性能、易用性和低内存开销。
cudnn下载网址
这个下载需要英伟达的账号，这个正常注册就可以。

2.软件安装

下载好cuda后，点击安装，安装完成后
在终端输入

nvcc --version

出现结果

说明cuda安装成功
将cuDNN解压后得到的三个文件夹复制到cuda文件里面（在Windows 系统上，CUDA 的默认安装路径通常是 C:\ Program Files\NVIDIA GPU Computing Toolkit\CUDA\ ）覆盖原有的这三个文件夹里的内容

加下来检验cuDNN安装是否是成功，在命令行中进入“ cuda安装的位置\CUDA\v版本号\extras\demo_suite ”，然后输入bandwidthTest.exe，得到Result = PASS则可视为cuDNN安装成功

3.安装pytorch

推荐在anaconda中创建虚拟环境进行安装
进入虚拟环境，进入pytorch官网
下载界面

进入终端输入

nvidia-smi

再次确认自己的cuda驱动版本

选择对映的版本下载pytorch–使用清华的源，否则会安装失败

pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121 -i https://pypi.tuna.tsinghua.edu.cn/simple

还有一个bug必须使用python3.8以上：

否则一直安装失败。

4.运行程序

小试牛刀
尝试了一个lstm项目
cpu时间

GPU时间

之前只知道能加速但是没想到差这么多
cpu15分钟，gpu只需要33秒，震惊了。
啥时候能试下3060ti就好了。