图形处理器($Graphics \; Processing \; Unit$，即 $GPU$)，又称显卡、视觉处理器、显示芯片，是一种专门在个人电脑、工作站、游戏机和一些移动设备上图
像运算工作的微处理器。它是一个硬件，是外部的设备，自然需要一套软件来让 $CPU$ 操作 $GPU$。这个软件程序就叫显卡驱动。软件需要编译，自然高
度依赖操作系统，因此即使同样型号的显卡在不同操作系统一般需要的驱动也不一样。
程序员也可以直接写代码与显卡驱动对接，从而直接控制 $GPU$ 处理器，但是驱动程序操作起来实在太麻烦，于是 $NVIDIA$ 推出一套软件接口来简化
$GPU$ 操作，这便是 $CUDA$，它和显卡驱动是两回事。
$cudatoolkit$ 提供了 $CUDA$ 的开发环境，安装这个自然也就安装了 $CUDA$，工具包中还包含多个 $GPU$ 加速库、多种调试和优化工具、一个 $C/C++$
编译器 $nvcc$ 以及一个用于在主要架构，包括 $x86$、$Arm$ 和 $POWER$ 上构建和部署应用的运行时库。说白了就是一些编译器和库的集合，集成了一些
功能，方便用户在 $GPU$ 上做开发。
查看本机 $Nvidia$ 支持的 $CUDA$ 版本，可以看到这个位置对应的版本为 $11.0.208$，因为 $GPU$ 支持的 $CUDA$ 版本是向下兼容的(可能有些功能没法用)，
所以我们可以知道该电脑显卡支持的 $CUDA$ 版本不能超过 $11.0.208$，这样就确定了 $CUDA$ 的下载范围。
再查看一下本机的显卡驱动，这里为 $451.67$ 版本
然后通过网址可以得到显卡驱动和与之兼容的 $CUDA$ 版本，发现我的电脑显卡驱动版本还挺高。
很多基于 $Pytorch$ 的工具集都非常好用，比如处理自然语言的 $torchtext$，处理音频的 $torchaudio$，以及处理图像视频的 $torchvision$。
下面我们进行安装：$pytorch$ $torchtext$ $torchaudio$ $torchvision$ $cuda10.2$。
配置文件 $.condarc$ 的内容如下所示，这些地址包含了需要的包，如果不清楚怎么配置，可先去阅读博客。
ssl_verify: true
channels:
- http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
- http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
- http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
- http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
- http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/
- http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/bioconda/
- http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/menpo/
show_channel_urls: true官网提供了一个命令：
conda install pytorch torchvision cudatoolkit=10.2 -c pytorch安装命令中最后的 -c pytorch，是默认指定 anaconda 官网上的安装源，可能由于墙的问题，无法正常或者迅速下载。因为我这里选用清
华的源，所以需要去掉 -c pytorch。切换到需要安装的 conda 环境，执行：
conda install pytorch torchvision cudatoolkit=10.2再装另外两个工具集(也可以放到上面那句命令里)：
conda install torchtext torchaudio安装完成后，输入 python 进入环境，然后依次输入
import torch
print(torch.__version__)
torch.cuda.is_available()可以看到
