技術標籤：深度學習pytorch

背景知識
GPU：即顯示卡，它的平行計算的能力可以滿足深度學習中對算力的要求，目前主流是NVIDIA的GPU。
CUDA：NVIDIA構建的GPU的平行計算框架，安裝後才能利用GPU進行復雜的平行計算。目前大部分深度學習框架也都是基於CUDA進行GPU並行加速。
cuDNN：是針對深度卷積神經網路的加速庫。CUDA可以看作一個綜合性的運算平臺，cuDNN則是想要進行深度神經網路運算的必要工具，由於CUDA一開始並不包含cuDNN，因此需要單獨下載cuDNN來使用。
簡單來說，想要使用Pytorch、TensorFlow等深度學習框架之前，都需要在確保本機具有可用的GPU，並配置好CUDA和cuDNN的執行環境。（雖然都有提供CPU版本的框架，但也指出用GPU和CUDA能更好的發揮其效能）

本機環境：

• Win10專業版 x64
• GPU版本：NVIDIA GeForce GTX 950M
• 對應CUDA版本：10.0.132
• 如何檢視本機GPU是否支援CUDA以及對應版本

安裝流程

1. CUDA和cuDNN安裝流程
2. Pytorch安裝（由於官網下載頁面沒有列出對應CUDA10.0版本的，故採用該方案）
3. 按照檢測方法在Pycharm中測試可以正常使用即可

import torch    # 如正常則靜默
a = torch.Tensor([1.])    # 如正常則靜默
print(a.cuda())    # 如正常則返回"tensor([ 1.], device='cuda:0')"
 

from torch.backends import cudnn # 如正常則靜默
print(cudnn.is_acceptable(a.cuda()))    # 如正常則返回 "True"

注意：

一定確保GPU支援的CUDA版本、CUDA對應的cuDNN版本、CUDA對應的Pytorch版本無誤，不然在後期使用時會出各種問題 : (