最近一段时间在研究PyTorch中的GPU的使用方法，之前曾经安装过CUDA，不过在PyTorch中调用CUDA时无法使用。考虑到是版本不兼容问题，卸载后尝试了其他的版本，依旧没有能解决问题，指导查阅了很多资料后才找到了解决方案。
这里假设您使用的是Nvidia显卡并且您已经安装了conda，并在conda在创建了一个环境，在环境中已经安装PyTorch相关包等，conda在深度学习研究中能够很好的解决一些Python之间的版本兼容问题。
我们先输入以下命令查看相关信息：
import torchprint(torch.__version__)
print(torch.cuda.is_available())
print(torch.version.cuda)
得到信息如下：
2.3.1+CPU
False
None表示目前无可用GPU，我们需要重新安装正确版本的CUDA，确保GPU能够正常使用
这里要记住PyTorch版本是2.3.1（以自己安装的Pytorch为准），后面需要用到
1、卸载之前安装的CUDA（如未安装则跳过）
CUDA安装时一般有很多组件在同一时间安装，卸载时注意卸载干净，防止之后安装出现报错
2、查看GPU驱动相关信息
GPU驱动一般在最初装机时已经安装好，只需查看其版本号，之后安装CUDA的版本号<=GPU驱动版本号
在Python中输入
!nvidia-smi查看相关信息
可以看到 CUDA Version 12.5 之后安装的CUDA版本要<=12.5,避免出现不兼容问题
其他信息如下所示：
3、查询兼容的CUDA
我们访问PyTorch官网：Previous PyTorch Versions | PyTorch
根据我们的PyTorch版本号查询对应的CUDA，我的是V2.3.1
可以看到 PyTorch v2.3.1支持CUDA 11.8 和 12.1，这里我选择11.8
在安装前，现在Conda中执行 安装11.8所需的python包
conda install pytorch==2.3.1 torchvision==0.18.1 torchaudio==2.3.1 pytorch-cuda=11.8 -c pytorch -c nvidia如安装失败，请考虑降低Python版本并重新安装或者无视即可
4、下载并安装CUDA
我们访问：https://developer.nvidia.com/cuda-toolkit-archive
查询CUDA历史版本
选择CUDA 11.8，下载即可
安装CUDA
安装一般选择精简模式即可，其余随意
安装完成后在cmd中输入NVCC -V 查看安装情况
可以看到 CUDA 11.8成功安装到电脑上
5、查看GPU是否可用
在Python中再次输入以下命令，查看GPU情况
import torchprint(torch.__version__)
print(torch.cuda.is_available())
print(torch.version.cuda)
可以看到GPU可以正常使用了！
6、使用时产生的一些问题
在进行深度学习研究时，经常要安装一些python包，例如：pytorch，mxnet，d2l等，使用conda或pip下载时经常报错，这种情况往往是python版本太高导致的，请尝试降低python版本或者去官网上查询所下载包对应的最高python版本。python降级后，一些包的版本也可能会随之降级，进而需要CUDA重新安装选择正确的版本。
