作者经过审阅无数的帖子，某站看了无数视频之后，不断地失败才得出的结论。数十天毫无进展，得出的最详细结论。
我们部署torch到最后可以直接调用GPU一共要下三个东西，其中分别是CUDA,CUDNN，以及torch（这个里面有cpu以及GPU版本！！！）后面会讲。作者torch是通过其pip进行安装的。
注：其中最重要的就是三个看看是否都相互可以匹配（版本型号是否都兼容），并且是不是自己电脑可以进行调用的！！！！！！
话不多说开始正题：
查看自己电脑可以使用的CUDA版本
首先得有一张NVIDIV的显卡，才可以进行调用GPU，之后找到控制面板
之后找到左下角的系统信息
之后点开组件，之后就清楚的可以看到你可以下载的CUDA的最大版本数，作者的是11.6的，只能和这个版本比相同或者是小于，不能大于，也就是你电脑驱动可以带动小版本的，向下兼容的。
下载CUDA
官网链接：CUDA Toolkit Archive | NVIDIA Developer
找到自己想要下载的版本，之后进行下载。
根据自己电脑的具体情况进行选择，千万记住这个一定要小于等于刚刚查过的版本数，到最后直接点击DownLoad进行下载。
在下载完成之后首先进行的是 临时安装，这个放在c盘也不怕，它彻底安装完成之后会将整个文件夹全部都会删除的。
安装CUDA
1.选择自定义安装。
2.点开看看那些更新的版本与当前版本相比，如果当前版本高的话就完全可以将对勾取消，保留电脑目前最高的版本，主要是后两个文件需要仔细看一下。
3.进行安装， 最后选择的安装路径，自己一定要记住（后面会用到），而且3个要统一成一个路径！！！
验证CUDA安装是否成功
可以进行在win+r键输入cmd来进行打开指令框，输入
nvcc -V
可以清楚的看到自己刚刚安装的版本号则那就是CUDA安装成功了
CUDNN的安装：
官网链接：cuDNN Archive | NVIDIA Developer
根据咱们之前CUDA的版本来下载CUDNN，每个链接后面都标出了CUDA的版本，根据这些进行选择即可，之后点击进行压缩包的下载。
下载成功后将压缩包进行解压，之后将里面的三个文件夹全部都复制
这三个文件夹全部都要粘贴在之前CUDA安装的路径里，直接将CUDA以前的文件进行替换，这样就完成了CUDNN的安装，就相当于换3个文件夹而已。
验证CUDNN是否安装成功，首先可以仿照我的路径点开到这里
之后点击那个bandwidthText.exe以及deviceQuery.exe,如果像我一样点开之后就闪退，那么别慌！！！！
解决办法
win+r点开cmd指令，之后将这两个exe拖进去，就完全不会出现这种情况了。
如果都出现Result = PASS那么就已经安装好了
torch的安装
官网链接：https://download.pytorch.org/whl/torch_stable.html
注意！！！
之后依然在cmd指令当中输入代码，进行最后的完成安装（cp38意思是我的python版本是3.8的，根据自己的python版本来），（torch-1.12.0表示下载的torch版本是1.12.0）我的代码是：
pip install torch-1.12.0+cu116-cp38-cp38-win_amd64.whl
等待成功之后，在pycharm当中创建一个工程，输入以下代码：
import torch
print(torch.cuda.device_count())
print(torch.cuda.is_available())
print(torch.backends.cudnn.is_available())
print(torch.cuda_version)
print(torch.backends.cudnn.version())
结果显示：
证明咱们已经大功告成了！！！
Original: https://blog.csdn.net/weixin_64605288/article/details/125705684
Author: 窒息的铅笔盒
Title: 完整在pycharm上通过torch调用GPU（最细节）
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/605808/
转载文章受原作者版权保护。转载请注明原作者出处！