1.在NVIDIA官网搜索并安装自己电脑对应的显卡驱动
建议安装440，450版本的驱动，太新的容易出问题，如cuda不兼容啥的。。。
附上链接
2.cuda10.0及对应cudnn安装
2.1 cuda10.0下载链接如下，按图中所示下载即可。
2.2 cudnn下载链接如下，需要注册一个英伟达社区的账号，然后按下图步骤下载即可。
https://developer.nvidia.com/rdp/cudnn-download
2.3 cuda和cudnn安装
cuda直接双击默认安装即可（尽量不要自定义安装路径，避免后续配置环境变量出现不必要的麻烦），只有一点注意，到下图的步骤时，除第一个CUDA选项外其他都不需要勾选，特别是第三个Driver显卡驱动，切记！！！
注：关于图中cuda版本是10.1，就不要在意这些啦，所有版本都一样。。。
cuda安装完成之后，开始安装cudnn
将cudnn文件解压，将各个文件夹的文件复制到cuda安装目录的对应同名文件夹下，文件夹名分别为 bin、include、lib/x64（这个是两级目录，注意一下，拷最里层的文件到对应的lib/x64），cudnn即安装完成。
2.4 添加环境变量
直接按照下面的步骤来，超级简单，不需要像网上别的教程那样新建CUDNN变量啥的。
直接在环境变量 path 里面增加三个变量，如下是默认安装cuda的话，直接复制下面的路径即可（眼尖的同学会发现就是上面cudnn复制的三个文件夹）。注意cuda的版本，如下图的变量就是cuda10.1的，以此类推。
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\bin
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\include
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\lib\x64
添加完环境变量，cuda和cudnn安装就全部完成了，测试方法：在cmd命令行输入 nvcc -V ,输出版本号即安装成功！
3 GPU版pytorch安装（以cuda10.0对应的pytorch1.1版本为例）
注：十分重要，推荐使用离线安装，在线安装GPU版本的pytorch极容易失败，因为官网加载下载速度实在太慢了。。。
离线下载网址：https://download.pytorch.org/whl/torch_stable.html 目标文件：（本机环境是python3.5，下面是以python3.7为例）
找到对应的python版本、windows、cuda版本下载，本机下载的文件如下图所示。
下面是找对应文件的方法，如下图所示，同时下载自己系统、python版本、cuda版本对应的torch、torchvision文件。
（torchvision要下载与torch版本对应的，不知道可以去pytorch官网查，本文的torch1.1对应torchvision0.3.0）pytorch官网：https://pytorch.org/
网站文件名解析：
cu100、cu92等为cuda版本号，CPU为无cuda；
torch-1.0.0为下载的torch版本号；
cp37为python的版本号，如python3.6.8就选cp36，第三位数字无所谓；
Linux、win_amd64为系统的代号，windows都选后者。
torch
注：不要装1.7版本，会报错，推荐1.1或1.6版本
torchvision
离线安装
下载完成之后，进入下载文件夹路径，（先装torch，再装torchvision），cmd命令行安装命令如下：
注：离线安装前，把电脑网手动断掉，以防自动在线下载报错
pip install xxx.whl ， xxx.wh为上面下载的文件名。
离线安装基本不会安装失败，测试命令如下，按以下顺序cmd逐行输入：
python
import torch
a = torch.Tensor((2,3))
a.cuda()安装成功时输出结果如下：
只要能正常输出，不报错，pytorch就完全安装成功了！
注：不要用网上的测试命令，因为有时device输出为cuda了，还是没安装成功，之后跑程序各种问题。。。
