三者之间需要满足的关系： CUDA driver version ≥ CUDA runtime version (即：②≥③) CUDA runtime version得支持自己电脑GPU所对应的算力(即：②得支持①)

快捷键：Ctrl + Shift + Esc 例如我的是：NVIDIA GeForce GT 640M 建议在此之前先安装最新版的显卡驱动，官网驱动下载链接

官网查询算力对照表 官网需要翻墙，这里给个传送门：NVIDIA显卡算力查询 我这里是3.0的算力，(2008年奥运限定款电脑 哈哈哈哈)

传送门：不同版本CUDA支持的算力 我这个是3.0的算力，对应可以选择9.0-9.2和10.0-10.2的CUDA runtime version

win+R，输入cmd，打开命令窗口，输入nvidia-smi 我这里是10.1 (10.1)这个是CUDA driver version，值要大于CUDA runtime version(9.0-9.2和10.0-10.2) 最终进行筛选，CUDA runtime version可以是9.0、9.1、9.2、10.0、10.1，保险起见，这里选择10.0的就行了

pytorch官网，找到CUDA为10.0的进行安装 因为我的电脑比较老，然后选择之前的版本CUDA进行下载安装

因为我的电脑算力才3.0，torch v1.3开始将不再支持3.5算力以下的GPU

CUDA runtime version版本10.0找点低点的torch版本，例如pytorch为v1.2.0版本，因为这里是Conda进行安装的，最终确定命令为： conda install pytorch==1.2.0 torchvision==0.4.0 cudatoolkit=10.0 -c pytorch 这里的-c是下载通道含义，-c pytorch表示从pytorch官网下载，因为是外国的服务器，一般会很慢。我们可以看到这条命令其实是下载了三个库， pytorch==1.2.0 torchvision==0.4.0 cudatoolkit=10.0

从清华源进行下载（pytorch和torchvision是一个地址，cudatoolkit是另一个地址）

在自己的环境空间下输入命令即可 若出现下述问题：CondaHTTPError: HTTP 403 FORBIDDEN for url

最好的办法就是早上搞，家人们，尤其是早上6点多，网速飞起！！！！像这种下载超时错误，一般都能解决！

重置配置文件：conda config --remove-key channels 添加清华源： conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/ conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/ conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/ conda config --set show_channel_urls yes 之后再次运行即可 也可参考博文：Anaconda中下载速度贼慢？

若在线安装老是出问题多半是服务器响应超时，那就直接本地下载安装得了 例如通过torch官网找到的命令为： conda install pytorch==1.2.0 torchvision==0.4.0 cudatoolkit=10.0 -c pytorch 可以知道需要下载pytorch==1.2.0 和torchvision==0.4.0即可 下载链接传送门

cu100：CUDA10.0 cp36：python3.6版本 需要根直接的python版本号一致 找到对应的windows64位进行下载即可 查找torch==1.2.0和torchvision=0.4.0，python版本按实际情况进行下载即可

下载完成之后，在环境空间下输入下面的命令进行本地安装 pip install D:\desktop\torch-1.2.0-cp36-cp36m-win_amd64.whl 其中D:\desktop\torch-1.2.0-cp36-cp36m-win_amd64.whl为下载的路径，这个是安装torch-1.2.0 然后再安装torchvision0.4.0 pip install D:\desktop\torchvision-0.4.0-cp36-cp36m-win_amd64.whl

环境空间下依次输入以下命令 python import torch torch.cuda.is_available() 若返回True表示安装GPU成功 quit()退出编辑器

完结~~ 撒花~~