Pycharm搭建CUDA，Pytorch教程（匹配版本，安装，搭建全保姆教程）

        最近训练模型跑代码需要用到nvidia的cuda架构加速，结果网上几乎找不到什么能直接解决问题的教程，最后东拼西凑了几个小时才搭建完成，所以想整理出这篇集百家之精华的教程，防止自己以后太久不用忘记了。

        首先的先知道配置好这些环境需要准备好哪些东西：

1. 带有英伟达显卡的电脑（不是英伟达的也不会来找cuda吧，hh）
2. gpu版的pytorch（pip直接下的都是cpu版的，所以用不了）
3. 适配显卡的cuda架构

一、安装CUDA

1、了解CUDA版本

    桌面右键打开nvidia控制面板->点击左下角系统信息->点击组件，查看第三行产品名称，为自己电脑所能兼容的最高的cuda版本（如我的电脑最高能兼容12.3版本）

2、安装CUDA

1、进入官网，下载对应的安装程序

2、点击安装程序进行安装

 选择默认路径即可（只是个临时提取安装程序的文件夹）

选择自定义安装

将Visual Studio Integration选项取消（没什么用而且会影响下载）

确定安装路径（可以修改，最好记住）

等待安装即可

安装完成后查看一下是否有环境变量，没有自己手动添加

CUDA_PATH

CUDA_PATH_V12_3

测试环境是否安装成功

打开cmd，输入

nvcc -V

查看cuda版本

输入

set cuda

查看环境变量

如上两图即为下载成功！

二、安装Pytorch

1、了解对应的pytorch版本

要成功运行cuda架构，所需的pytorch版本必须与python和cuda版本对应，以下为cuda与pytorch对应关系

版本大致按照这个表格对应，最新的cuda12.3版本亲测可以兼容pytorch2.0.0，其余未知，参考官网Previous PyTorch Versions | PyTorch

pytorch与python对应关系

torch	torchvision	python
=3.5, =3.5, =3.5, =3.5, =3.5, =3.5, =3.5, =3.5, =3.6, =3.6, =3.6, =3.6, =3.6, =3.6, =3.6, =3.6, =3.6, =3.6, =3.6, =3.6, =3.7, =3.7, =3.7, =3.7, =3.8, =3.8, settings->project->python interpreter,查看是否有torch 版本后缀一定得是'cu***'才是gpu版 （3）检验CUDA 最后再检验一下能否运行cuda 在cmd或者pycharm终端中调用python，按图中代码输入 >>> import torch >>> torch.cuda.is_available() True 若输出为True，那么恭喜你，cuda架构和pytorch环境就搭建好了！！！ 如果本篇博客对你有所帮助，那么请别忘了点赞加收藏哦！！！