前言

建议有条件的，可以在安装过程中，开启梯子。例如cuDNN安装时登录 or 注册，会加快不少。业余学习，用的21年入手的笔记本，显卡为GTX1650ti，win10系统上已成功安装pytorch2.2.1。

省流版：仅针对1650ti。先用Nvidia Geforce Experience更新显卡驱动为最新版本(24.03.17的1650ti驱动为551.76，对应的CUDA支持最高版本12.4)。pytorch2.2.1对应的python3.8——CUDA版本可选为11.8和12.1。个人选择的CUDA11.8安装。之后cuDNN版本选择与CUDA对应的8.9.7.29版本。

1. 安装anaconda

直接去官网下载。

个人使用的win10系统，就点击框选部分下载安装即可。可以大胆地认准官网提供的最新版本下载。对应捆绑的python版本无需关心，例如图片中的python 3.11。安装好之后，可以在Anaconda Prompt中，使用conda create -n yourname-xxx python=3.8,创建新的运行环境。指令中的yourname-xxx可以替换成任意字符命名。我这边用的py3.8。

2. 检查更新显卡驱动

Nvidia Geforce Experience更新显卡驱动为最新版本(24.03.17的1650ti驱动为551.76)

之后在Anaconda Prompt中键入指令nvidia-smi，即可查看对应驱动支持的CUDA最高版本。（最高 * 3，如图中的12.4以下版本皆可安装）

若未安装anaconda，也可以在任务栏的Nvidia 控制面板——帮助——系统信息——组件中查看支持的最高CUDA版本。

3. 根据pytorch选择CUDA版本

在pytorch官网中，可以结合现有的环境条件，查看可选的CUDA版本。注意最新pytorch版本需要python 3.8以上版本的python环境支持。个人选择了11.8版本的CUDA。

4. 安装CUDA

在CUDA Toolkit网站，寻找对应希望的CUDA版本。点击需要的11.8区域。

建议此处加上魔法，不然跳转后显示完整较慢。附魔后的页面，结合本人环境，勾选如下。

下载好之后，双击——安装选项选择 自定义即可。选择的组件，末尾几个有些可以取消勾选。取消原则为当前版本 比 新版本 高，那么对应的组件就可以取消勾选安装，如下图所示。

之后一路安装即可。安装结束后win + R，再cmd打开终端，输入nvcc -V指令(注意 V是大写的)，若安装成功，即可看到CUDA的版本信息。

5. 安装cuDNN

在cuDNN网站中寻找对应CUDA的最新版本。如下图所示。

点开后，即可在展开内容中选择需要的版本。

注意：这个页面下载需要登陆Nvidia账号。若未注册过，需要填写信息注册，建议也使用魔法，附魔后页面跳转显示速度更快。
压缩包下载后，解压，将这三个文件夹复制拷贝至CUDA的安装根目录中。

6. conda安装pytorch

Anaconda Prompt 激活步骤1中的新建环境，复制步骤2中的pytorch官网生成的命令，执行。使用魔法感觉是最稳妥的，不会出现什么换源之后默认下载cpu版本啥的稀奇古怪问题。

安装好之后，继续在虚拟环境中，开启python，依次输入

import torch
print(torch.__version__)
torch.cuda.is_available()

顺利显示版本号2.2.1和True后，说明安装成功。
在pycharm中，也可以验证一下。

结语

祝各位安装顺利~！时代潮流滚滚向前，个人也开始踏上学习AI之路。期待学习成果能用在robot人的工作上。