首先默認是NVIDIA的顯卡

pytorch要使用顯卡的話需要安裝NVIDIA的驅動，然後根據NVIDIA官網下載相應的：

cuda（CUDA Toolkit 11.1 Update 1 Downloads）

cudnn（NVIDIA cuDNN）需要註冊

然後根據installation guide進行安裝。

接下來才安裝pytorch，根據cuda的版本選擇對應的pytorch版本進行安裝

這樣就可以了。

如果覺得搭建環境麻煩，推薦一個小眾的gpu雲，featurize.cn很便宜

第一條，確定顯卡是不是Nvidia的卡，如果不是直接不用考慮了，只能上cpu版

第二條(假)，確定是不是真的有加速作用，古董級別的GPU未必有多快，這邊建議直接換電腦

第二條(真)，確定gpu的型號然後確定cuda要安裝什麼版本，最好還要裝好cudnn的庫，最重要的一點，確定你的gpu是不是能夠兼容所有版本的torch，古董級別的GPU就只能支持很低版本的torch，具體自己一次一次嘗試也好官網查也好，都行。我之前用k20c的集群跑torch就一次一次試驗能用的最高版本，最後試出來能支持1.2，現在都1.7都出來了

如果有gpu還是建議裝gpu版的，你不顯式地放到cuda上是不會使用你的顯卡跑程序的，所以裝gpu也不會有什麼影響

當然是gpu版本，前提是要有gpu。

沒有的話創造條件獲得。

創造條件失敗的話就只能cpu了。

關於pytorch 安裝相比於tensorflow 來說非常的方便，不會出現像tensorflow 很多的錯誤。

安裝最好的資料（官方網站）：

PyTorch?

pytorch.org圖標

幾點重要的說明

1、首先安裝conda

2、然後通過pytorch 官方網站就可以了，很簡單

3、安裝完成後可以通過python代碼測試下

import torch

print(torch._version_)

如何上述正常，表示成功

4、有的同學可能會問，安裝後需要獲取cpu和gpu模式，很簡單

device = torch.device(cuda if torch.cuda.is_available() else cpu)

print(device)

更多關於AI工程師資料，可以參考學習：

走在前方的網路課堂，走在前方 Python 大講堂

看程序要求啊，程序用GPU還是CPU

有GPU就安裝GPU版本，沒有就安裝CPU版本

電腦有gpu就裝gpu版本,加速效果還是很明顯的

現在深度學習一般都是使用GPU跑程序，如果電腦顯卡可以就安裝GPU版本，如果電腦顯卡一般，安裝了也不會對程序的運行有較大提升，可以不裝，直接使用CPU跑。

推薦閱讀：
相关文章