目錄
一、下載並安裝cuda9.2
1. 首先查看電腦顯卡cuda版本，看最高支持的cuda為多少
2. 下載cuda9.2安裝包
3. 安裝cuda9.2
二、下載並安裝cudnn (for cuda9.2)
1. 下載cudnn
2. 安裝cudnn
三、配置環境變量
四、安裝GPU版本的PyTorch0.4.1
1. 准備：
2. 下載gpu版本的torch、torchvision的whl包（cu92）：
3. 離線安裝gpu版本的torch、torchvision（cu92）：
親測有用！！！
本人電腦：win10 + 有英偉達顯卡（GeForce GTX 1650） + Anaconda3 5.2.0 （其中Anaconda裡的Python版本是3.6），要安裝CUDA、PyTorch 0.4.1 版本（gpu版本）
目標：安裝gpu版本的PyTorch0.4.1（cuda9.2+pytorch0.4.1）
寫在前面：由於最近有需要，要安裝pytorch比較老的版本（零點幾的版本），恰好本人電腦帶有顯卡，所以想要直接安裝個gpu版本的pytorch古早版本。pytorch版本老，那麼相應的那個pytorch版本支持的cuda版本也比較老，所以我接下來就打算：1）先裝個cuda9.2（大致有cuda8.0、cuda9.0、cuda9.1、cuda9.2、cuda10.0等等很多版本），並安裝好對應的cudnn，如果到時候cuda9.2太老的話，可以再換裝其他版本。。。。。2）安裝好cuda9.2和cudnn9.2之後，然後再安裝一個gpu版本（cu92，和前面的cuda9.2對應）的PyTorch0.4.1版本。（本來打算安裝PyTorch0.4.0之前的版本，但一是以前版本的安裝包還挺少的，二是以前版本對應的gpu版本下匹配的cuda版本也很少很老，選擇的余地比較少。所以就先打算安裝cu92/PyTorch0.4.1試試水，不行的話可以再換裝其他。）
在命令行通過命令nvidia-smi查看cuda版本，如下圖。可以看到我的顯卡最高支持cuda11.2，即可以裝cuda10.0、cuda11.0等，但不能裝cuda11.3及以上。（查看顯卡和cuda版本可以參考之前博客：win10查看Nvidia顯卡、cuda版本）
cuda官網下載地址：CUDA Toolkit Archive | NVIDIA Developer
點擊上面的官網下載鏈接，選擇cuda9.2，點進去。（此處選擇下載cuda9.2，是一個大約1.5G的exe文件。）
然後選擇相應的選項（windows、x86_64、win10、exe[local]），點擊download即可。網上很多博客強調此處一定要選擇exe[local]離線安裝，不然在線安裝包很坑，下載巨慢。。。
cuda9.2下載下來後是一個exe安裝包。
雙擊運行上面下載好的cuda9.2的exe文件，直接選擇默認的C盤安裝路徑（盡量不要自定義路徑，避免後面配置環境變量出現不必要的麻煩）。
選擇自定義安裝：
只選擇第一個選項CUDA即可，其他的不需要勾選。（參考了網上其他博客，很多建議第一個CUDA裡的"Visual Studo Integration"最好也不要勾選，CUDA安裝失敗一般都是因為它導致的。但我電腦裡之前安裝過VS2015，所以此處勾選了"Visual Studo Integration"，應該問題不大，後面我也確實安裝成功了，沒遇到什麼問題。所以，如果勾選這個選項的話，最好要先安裝一下VS，然後再來安裝cuda。）
後面的過程都是直接點擊"下一步“，即可。
最後cuda9.2安裝成功！！！沒遇到什麼問題。
cudnn官網下載地址：cuDNN Archive | NVIDIA Developer
下載完CUDA9.2之後，在cudnn官網下載鏈接找與CUDA9.2版本匹配的cuDNN，選最新的安裝即可。（官網下載好像需要注冊登錄。 可以直接使用上面cuda9.2下載時提供的百度雲鏈接，裡面有cuda9.2對應的cudnn9.2，這樣就不需要自己在官網下載了。）
下載好的cudnn壓縮包：
將上面下載的cudnn壓縮包解壓縮，然後分別將解壓後的bin、include、lib\x64三個文件夾中的.dll、.h和.lib文件復制到CUDA安裝目錄下的對應文件夾裡，即可。（注意是復制過去，而不是直接覆蓋！！！我試了一下，直接把三個文件夾拉到左邊路徑下，會直接把對應文件復制到對應文件夾下。）
1）計算機上點右鍵，打開屬性->高級系統設置->環境變量，可以看到系統中已經自動多了下面兩個環境變量。
2）接下來，還要繼續在系統裡添加幾個環境變量：
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\include
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\lib\x64
3）添加完環境變量之後，在cmd命令行裡面使用命令nvcc -V進行測試，測試失敗。。。。顯示nvcc不是內部或外部命令。。。無法識別命令。。。（使用下面參考博客裡的方法，最終ncvv -V測試成功！！！）
解決方法：
解決nvcc顯示不是內部或外部命令的問題_Lonely Planet.的博客-程序員秘密_nvcc' 不是內部或外部命令 - 程序員秘密
打開“cmd”，輸入set PATH=c: ，然後輸入echo %PATH%，關閉“cmd”，之後再次開啟命令提示符，輸入echo %PATH%，就會發現新添加的環境變量已經生效了，再次輸入ncvv -V，成功。
1）首先安裝Anaconda。（很簡單，自行搜索）
2）其次在用Anaconda建一個虛擬環境。
打開Anaconda Prompt輸入：conda create -n pytorch0.4.1 python=3.6（n表示參數name，pytorch0.4.1表示自己起的環境的名字，python=3.6表示需要使用的一些包。）
conda create -n pytorch0.4.1 python=3.6
3）激活虛擬環境：
conda activate pytorch0.4.1
torch和torchvision的whl包下載鏈接：http://download.pytorch.org/whl/torch_stable.html（根據cuda版本和python版本下載相對應的pytorch版本。）
下載2個whl包：
此處，下載了2個whl包：cuda9.2相應的torch0.4.1、cuda9.2的torchvision0.4.1。（根據torch和torchvision版本兼容匹配表https://github.com/pytorch/vision#installation ，torch0.4.1應該匹配torchivision0.2.2版本，但是cuda9.2相應的torchvision包沒有0.2.2版本的，於是我下載了cuda9.2/torchivision0.4.1版本，感覺應該問題不大。。。不過最後測試的時候還是改回了torchvision0.2.2版本。。。）
將whl包下載到D盤下，如下圖所示：
在cmd命令行轉到torch和torchvision的whl包保存目錄，pip install whl包進行離線安裝，即可。
1）安裝gpu版本（cu92）的pytorch0.4.1：
pip install torch-0.4.1-cp36-cp36m-win_amd64.whl
2）安裝gpu版本（cu92）的torchvision0.4.1：
pip install "torchvision-0.4.1+cu92-cp36-cp36m-win_amd64.whl"
3）測試：
import torch
torch.__version__
torch.cuda.is_available()
但是測試torchvision時出現錯誤。。。 錯誤如下圖所示。。。可能主要是因為torch0.4.1和torchvision0.4.1的版本不匹配，根據版本兼容表，torch0.4.1版本應該匹配torchvision0.2.2版本。。。。於是，打算重新安裝torchvision0.2.2。
如下圖，重新安裝torchvision0.2.2。這次，測試成功了。（不過不知道以後會不會出現什麼問題，如果有問題，那就根據自己的情況，再重新安裝需要的版本吧。）
至此，gpu版本的PyTorch0.4.1安裝完成！！！（cuda9.2+pytorch0.4.1）
參考：
