已经安装pytorch cpu版本时 再安装GPU版本教程，解决下载pytorch速度慢问题

我的环境：

CPU： i5-6300HQ  OS：window10 GPU：GTX960
pytorch-cpu :1.4
torchvision: 0.5

首先win+R打开cmd窗口，输入命令

nvcc --version

我的cuda版本是10.0。好，现在我们打开pytorch官网，选择对应cuda版本的pytorch生成下载命令。

重点来了！

我们安装过pytorch的朋友应该知道，用pip从官网下载是很慢的，网上很多教程是建议换清华镜像下载，但还是很慢！这里教大家一个技巧：

我们复制刚刚产生的pip下载命令到cmd窗口运行

接下来按下CRTRL+C停止下载，我们可以看到这个whl文件真正的下载链接:
https://download.pytorch.org/whl/cu101/torch-1.4.0-cp37-cp37m-win_amd64.whl
复制粘贴到浏览器中，下载速度蹭蹭蹭！我花了3分钟下载完了torch以及torchvision。可能你会遇到速度还是很慢的情况，不要着急，试试再复制粘贴一次，重新开一个下载链接。

上面因为是按顺序下载torch和torchvision，所以在torch没下载完的时候只显示了torch的下载地址，要显示torchvision的下载地址只需要把前面torch==1.4.0删了再运行一次就可以看到了。

好，下载好了whl文件后，只需要在whl的路径打开cmd窗口运行以下命令安装好即可。原来已经有了的torch，torchvision会自动卸载。

pip install 文件名.whl

好了，现在到第二步，安装cudnn。
相比标准的cuda，它在一些常用的神经网络操作上进行了性能的优化，比如卷积，pooling，归一化，以及激活层等等。所以配置cuDNN时是要对cuda进行一些修改，因此我们要先安装cuda。注意：cuDNN下载需要注册。

官网地址:https://developer.nvidia.com/cudnn

对应自己显卡版本下载cudnn就行了。下载完成后：

(1)解压：会生成cuda/include、cuda/lib、cuda/bin三个目录；

(2)分别将cuda/include、cuda/lib、cuda/bin三个目录中的内容拷贝到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v7.5对应的include、lib、bin目录下即可。

(3)将bin所在的目录添加到环境变量 PATH 中，“此电脑”→“高级系统设置”→“环境变量”→“系统变量”→“path”→“编辑”→“新建”加入该路径即可。

检测是否可以用cuda加速了:

import torch
torch.cuda.is_available() # True

又一个重点来了！

如果你按照上面说的做了以后，这里还是显示False，运行下面语句试试：

import torch
x = torch.tensor(1)
x_cuda = x.cuda()

要是运行的时候显示：

AssertionError:
The NVIDIA driver on your system is too old (found version 10000).
Please update your GPU driver by downloading and installing a new
version from the URL: http://www.nvidia.com/Download/index.aspx
Alternatively, go to: https://pytorch.org to install
a PyTorch version that has been compiled with your version
of the CUDA driver.

恭喜你，还有救！这里系统提示我们cuda版本太老，其实就是pytorch版本太新了，按照上面讲过的方法再去下载一个较低版本(如1.2)的torch以及对应的torchvision的就搞定了！

最后一个重点

要是不知道自己的cuda版本到底适配哪个版本的torch和torchvision，可以使用命令

conda install pytorch torchvision cudatoolkit=10.1 -c pytorch

当程序要求输入y/n确认时，你就可以查看具体需要下载的torch和torchvision版本。

要是解决了你的问题就

点个赞吧！