前言：在配置PyTorch的过程中，显卡驱动、CUDA、cuDNN三者之间的关系、作用以及在众多版本中如何搭配一直困扰着我。虽然网上资料很多，但各说其词，即使最终迈过种种坑成功运行，但脑子里还是一团乱麻。所以回过头来看NVIDIA的官方文档，一方面记录配置过程防止遗忘，另一方面也希望能够帮助有和我一样困惑的童鞋。本人能力有限，如有不妥之处，希望批评指正。 软件链接：https://pan.baidu.com/s/1bMbPR4cWORZ8gXlcD8PfcQ 提取码：5336 PyTorch包链接：https://pan.baidu.com/s/1QXnH5lV60aji7tmKl41ZMg 提取码：9zay

显卡驱动

显卡驱动是封装成软件的程序，硬件厂商根据操作系统编写的配置文件。安装成功后成为了操作系统中的一小块代码，它是硬件所对应的软件，有了它，计算机就可以与显卡进行通信，驱使其工作。如果没有显卡驱动，显卡就无法工作。

CUDA

官网introduction：其是由NVIDIA发明的并行计算平台以及编程模型，它可以显著的提高GPU的计算性能。 官网introduction链接：https://docs.nvidia.com/cuda/cuda-installation-guide-microsoft-windows/index.html

cuDNN

官网综述：NVIDIA的cuDNN是针对深度神经网络计算的一个GPU加速库，为标准例程提供了高度优化的实现，比如向前、向后卷积，池化，规范化和激活层。其是NVIDIA Deep Learning SDK的一部分。 官网综述链接：https://docs.nvidia.com/deeplearning/sdk/cudnn-install/ 有一个比喻能够更形象的说明CUDA、cuDNN两者的关系：CUDA看作是一个工作台，上面配有很多工具，如锤子、螺丝刀等。cuDNN是基于CUDA的深度学习GPU加速库，有了它才能在GPU上完成深度学习的计算。它就相当于工作的工具，比如它就是个扳手。但是CUDA这个工作台买来的时候，并没有送扳手。想要在CUDA上运行深度神经网络，就要安装cuDNN，就像你想要拧个螺帽就要把扳手买回来。这样才能使GPU进行深度神经网络的工作，工作速度相较CPU快很多。 比喻出自：https://www.jianshu.com/p/622f47f94784

1、显卡驱动 这个没啥可说的，进入NVIDIA驱动下载官网https://www.nvidia.cn/Download/index.aspx?lang=cn根据自己显卡名称对应选择，点击搜索然后下载。 点击下载的软件“同意并继续”进行安装 这里我选择的是自定义安装，当然你也可以选择推荐的精简安装，不影响后续安装过程。 全选点击下一步 重启结束显卡驱动安装 显卡安装成功后鼠标右键—>点击NVIDIA控制面板—>系统信息 查看安装好的显卡驱动版本，我的版本是445.75，这个非常重要，在选择CUDA版本的时候需要。 网上有一部分资料认为下图红框内的11.0.126才是安装好的显卡驱动对应的CUDA版本号，不知依据出自何处。如果按照网上的步骤，我应该选择CUDA 11.0.126，但尴尬的是，在我发布这篇博客的时候NVIDIA还没有发布这么高的版本，最高才10.2.89（CUDA安装步骤中有贴图），所以不科学。我对CUDA 11.0.126的理解是，当前我安装的显卡驱动最高能支持的CUDA版本是11.0.126，这可能是NVIDIA在写驱动程序的时候规划好的，虽然还没有这么高版本。（对于CUDA的版本选择让我困惑了一段时间，通过翻阅官方文档消除了疑惑，如果想更深一步了解，下一步CUDA安装中我有详细的举例说明） 2、CUDA安装 CUDA安装官网描述：运行CUDA应用程序的两个必要条件是 （1）系统至少拥有一个支持CUDA编程的GPU硬件； （2）能够兼容CUDA的驱动程序版本。 通过参考官网文档我对下图表格的理解： （1）NVDIA发布的每一个CUDA工具包都有一个最低版本的显卡驱动限制，比如红色框内是目前最新版本的CUDA 10.2.89，Windows下其支持的显卡驱动最低版本是441.22，也就是说低于441.22的显卡驱动都无法安装CUDA 10.2.89。 （2）显卡驱动是向后兼容的，新的版本兼容旧的版本。 （3）对于指定的一个CUDA工具包仍然适用于后续NVIDIA发布的更高版本驱动。举例说明：文章中我的显卡驱动版本是445.75>=441.22所以目前我安装的显卡驱动都能与表中的CUDA任何一个版本兼容。假如你显卡驱动版本是400.36>= 398.26，但