深度学习如火如荼，使用普通的cpu来跑模型真的让人急死，就算最普通的垃圾显卡，只要支持cuda，就可以实现gpu加速，其速度至少是cpu的5倍。
本文就来讲述，在配置pytorch+cuda环境实现gpu加速时遇到的坑。
首先你应该检查一下自己电脑的显卡是否支持gpu加速，并且对应的cuda版本号是多少。右键点击NVIDIA控制面板，点击下图左下方的系统信息。
然后点击组件，观察红框内信息。
这说明我的电脑显卡需要安装cuda10.2。
然后接下来就是安装cuda和cudnn。
这是cuda的网址，找到10.2的cuda下载即可。
[https://developer.nvidia.com/cuda-downloads](https://developer.nvidia.com/cuda-downloads)
然后就是安装。安装cuda的时候，我遇到了第一个坑。作为新手，不要选择自定义安装，不然你不知道少安装了啥，就乖乖的点击精简安装就可。
然后就是安装cudnn。cudnn的安装也有坑。
安装cudnn的网址如下。
[https://developer.nvidia.com/rdp/cudnn-archive](https://developer.nvidia.com/rdp/cudnn-archive)
这里也有一个坑，那就是必须要注册英伟达官网的账号，才能下载。当然，你也可以用百度云、网盘资源之类的，我没尝试。这里说说，注册官网账号的坑。英伟达的官网特别烂，我注册时不小心邮箱填错了，然后无法返回，这样无法收到验证信息，这个账号就没法用。
我尝试了很多办法，清除缓存记录，删掉浏览器重新安装等等，都没有办法。最后选择了使用火狐来注册，发现成功了。而且火狐浏览器打开英伟达网站比较快，chorme特别慢，真的玄学。
下载好cudnn后，解压缩，将其所有内容复制粘贴到你cuda安装路径下的v10.x文件夹中即可。
然后接下来就是配置环境。这是我配置的环境，如下图。
系统变量是安装时自动添加的。这里不再赘述。
然后你可以在命令行中，输入如下两个命令，来分别验证cuda和cudnn是否成功。
nvcc -V
nvidia-smi
这些成功后，cuda方面的安装就结束了。接下来，验证你电脑里装的pytorch是否适合cuda。
运行一下代码来验证。
# coding=gbk
import torch
print(torch.__version__)
print(torch.cuda.is_available())
print(torch.version.cuda)
三个print，第一个输出当前的torch版本，第二个输出是否可以GPU加速，第三个输出与torch匹配的cuda版本。
我的输出如图。
这里要提一下，虽然显示我的torch版本为1.3.1，并且匹配的cuda是10.1，但是10.2也是可以的。
我的安装torch版本的时候，也遇到了坑。我本来的torch版本为1.0.1，并且是无法GPU加速的。于是我就去torch网站上下载版本，网址如下。
[https://download.pytorch.org/whl/torch_stable.html](https://download.pytorch.org/whl/torch_stable.html)
我找到了合适的1.3.1版本，并下载安装。但是发现仍然不可以GPU加速，而且我输出torch版本仍旧为1.0.1。
再三查找。我发现我虽然卸载了torch1.0.1，但是其在D:/python/lib的路径下仍然还有一个文件夹torch，pycharm仍默认使用1.0.1版本。将其删除即可。
