pytorch添加GPU支持

首先可以使用下面代码来测试一下你的torch是否可以用GPU

import torch
use_gpu = torch.cuda.is_available()

如果返回False那末就说明当前torch是没有使用到GPU进行加速的。

1、安装CUDA

我们首先要去NVDIA官网下载CUDA（https://developer.nvidia.com/cuda-toolkit-archive），这里根据我的系统信息选择了Windows+x86_64+win10。

注意：这里的版本选择一定要参考pytorch官网给出的版本，如果选高了可能pytorch还没支持！

安装好后进入cmd输入如下命令测试

C:\Users\jzm>nvcc -V

如果得到下面类似内容则证明安装成功

nvcc: NVIDIA (R) Cuda compiler driver
Copyright (c) 2005-2021 NVIDIA Corporation
Built on Fri_Dec_17_18:28:54_Pacific_Standard_Time_2021
Cuda compilation tools, release 11.6, V11.6.55
Build cuda_11.6.r11.6/compiler.30794723_0

2、安装cuDNN

https://developer.nvidia.com/cudnn 下载对应版本的cuDNN，这里因为我的CUDA版本为11.6 所以选择如下版本

下载之后，解压缩，将cuDNN文件夹中的各自的bin、clude、lib文件夹中的内容，直接复制添加到CUDA的刚刚安装目录的对应相同名字的文件夹下。

3、安装pytorch

https://pytorch.org/get-started/locally/ 选择合适的版本，我的选择如下：

复制最后一行的pip命令执行即可！

4、测试可用性

使用如下的python代码简单测试一下：

import torch
print(torch.__version__)
print(torch.cuda.is_available())#cuda是否可用
torch.cuda.device_count()#返回GPU的数量
torch.cuda.get_device_name(0)#返回gpu名字，设备索引默认从0开始

可以看到我的菜鸡GPU的一些信息，这样就可以在pytorch中愉快的调用GPU加速了。

或者在cmd中使用如下命令来打印GPU相关信息

nvidia-smi -a