一、环境
Windows10、cuda11.3、anaconda3、显卡：mx250
二、更新驱动
如何自己的显卡可以支持的cuda版本较低，目前只有10.2，可以试图下载NiVida Geforce Experience进行驱动更新。点击驱动程序，然后下载最新版本，下载以后安装就可以。
可以看到驱动更新以后，显卡能支持的最大cuda版本已经变成了11.7。
在cmd里面输入nvidia-smi，可以看到我的CUDA Driver Version为11.7
三、安装cuda11.3以及对应版本cudnn
下载cuda11.3版本。
CUDA Toolkit Archive | NVIDIA Developer
然后下载对应的cudnn
安装cuda的时候。我自己只勾选了这几个，然后默认安装。
cuda和cudnn的配置可以参考下述链接，这里就不详细阐述了。
四、安装gpu版本的pytorch
打开anaconda prompt，输入
conda create -n pytorch-gpu python=3.10其中，pytorch-gpu是我设置的新建环境名，“python=3.10”是指定新建环境的python解释器版本。
然后去Pytorch官网查看目前支持的pytorch和相应的CUDA版本。根据官方提供的命令下载pytorch，运行下述命令。
Start Locally | PyTorch
下载结束以后进入刚刚的pytorch-gpu环境，输入以下程序进行验证是否安装成功。
import torch
print(torch.__version__) #注意是双下划线
print(torch.version.cuda)
print(torch.cuda.is_available())
print(torch.cuda.get_device_name())
五、在Pycharm中使用anaconda已经创建好的pytorch环境
1、打开pycharm，新建一个项目。python解释器选择先前配置好的conda环境下的pytorch-gpu下面的解释器。见下图
2、然后点击确定，新建好一个项目以后。打开项目下方的终端。
3、点击上图指示的Terminal,可以看到确实进入了用conda搭建好的pytorch环境
4、输入python可以查看此环境下的python版本，由于我在conda里面搭建pytorch-gpu环境的时候已经指定了python版本为3.10，现在我们可以看到下方显示的也是3.10。
5、说明我们已经成功搭建好了一个pytorch环境，然后就可以在pytorch环境中开发项目了。
