目前深度学习中比较主流的框架Pytorch，如何支持GPU环境。安装教程如下：
首先安装CUDA和cudnn：
CUDA(ComputeUnified Device Architecture)，是显卡厂商NVIDIA推出的运算平台。 CUDA是一种由NVIDIA推出的通用并行计算架构，该架构使GPU能够解决复杂的计算问题。(官方解释)
下载地址：
CUDA Toolkit 11.5 Update 1 Downloads | NVIDIA Developer
选择对应的的操作系统和版本：
左边是本地下载，右边是联网下载。一般情况下这个下载的很慢，推荐找一些网盘资源或者是换源下载。
下载和CUDA匹配的Cudnn版本
NVIDIA cuDNN | NVIDIA Developer
CUDA安装路劲选择默认的即可。
选择默认的基本都是在这个路径下：
进到该文件下，把刚才下载的Cudnn的文件复制进这个文件中。
完成之后初步的CUDA和Cudnn的安装即完成。
安装pytorch
pytorch官网：Start Locally | PyTorch
Start Locally | PyTorch选择对应的版本（你刚才安装的CUDA的版本），以及对应的操作系统。
我这边比较喜欢使用whl的安装方式，因为whl在我环境没了的时候，只要whl文件在，我就可以不用再去下载包了。
一下是轮子的pytorch的下载地址：
https://download.pytorch.org/whl/cu102/torch_stable.html
以上命名方式是：torch-torch版本-python版本-操作系统类型。（这种是不带CPU版本的）
这种是带GPU版本的，命名方式：torch-torch版本-CUDA版本-python版本-操作系统类型。
例如
torch1.8.1+CUDA10.2+python3.6+windows64位系统的版本。找到对应版本的下载即可。
下载完成后，把whl文件导出，在pycharm的命令行中输入：
pip install 你刚下在的pytorch的路径。
之后等待完成即可。
配置环境变量：
pycharm配置方法：
编译器右上角：Edit Configurations点进去
之后点击 ：Environment variables
找到这一条路径，并且将其改为你电脑中的CUDA的路径。
如果没有，自己加进去。
windows整体环境变量配置方法：
window中搜索：环境变量。
点击环境变量：找到CUDA的两个路径添加进去，之前CUDA安装好的位置即可。
测试是否环境安装成功：
import torch
print(torch.cuda.is_available())如果返回是True，恭喜安装成功。如果是False，在torch已经安装成功的情况下，那么就去检查是否环境变量没有配置正确。
