深度学习配置GPU的前期工作：CUDA和PyTorch安装指南

        随着深度学习的普及，越来越多的研究者和工程师选择使用GPU来加速模型训练。然而，要正确配置GPU环境以利用CUDA和PyTorch等工具，需要完成一系列步骤。本文将详细介绍如何查看和安装合适的CUDA版本，如何验证CUDA安装是否成功，以及如何配置PyTorch的GPU版本。

        ps:鼠鼠我啊，被配这个环境折磨了四个小时，总算搞清楚了，呜呜呜。

1. 查看电脑支持的CUDA版本

要查看电脑支持的CUDA版本，可以从以下几个方面入手：

查看NVIDIA驱动程序版本：不同的驱动程序版本支持不同的CUDA版本。可以在NVIDIA官网的CUDA兼容性列表上查看。在Windows系统中，按下Win + R输入nvidia-smi并回车，即可显示当前NVIDIA驱动信息，包括版本和可用的CUDA版本。

通过官网确认CUDA版本：在CUDA Toolkit Archive上，可以查到每个CUDA版本的具体信息和下载地址。

2. 安装合适的CUDA版本

根据上一步获得的CUDA兼容信息，在NVIDIA官网下载合适的CUDA版本。具体步骤如下：

进入CUDA Toolkit 下载页面。

选择操作系统、体系结构、版本等信息，然后点击“下载”按钮。

完成下载后，根据指引进行安装。在安装过程中可以选择默认路径，完成后建议重启电脑以确保环境变量被正确加载。

3. 检查CUDA是否成功安装

安装完成后，可以通过以下方法验证CUDA是否安装成功：

在CMD或终端中输入nvcc -V，若显示出CUDA版本信息（如Cuda compilation tools, release 12.5, V12.