2.3　在Windows環境下安裝GPU版的PyTorch

2.3.1　確認顯卡是否支持CUDA

在深度學習中，我們經常要對圖像數據進行處理和計算，而處理器CPU因為需要處理的事情多，并不能滿足我們對圖像處理和計算速度的要求，顯卡GPU就是用來幫助CPU解決這個問題的，GPU特別擅長處理圖像數據。

為什么GPU特別擅長處理圖像數據呢？這是因為圖像上的每個像素點都有被處理的需要，而且每個像素點處理的過程和方式都十分相似，GPU就是用很多簡單的計算單元來完成大量的計算任務，類似于純粹的人海戰術。GPU不僅可以在圖像處理領域大顯身手，它還被用在科學計算、密碼破解、數值分析、海量數據處理（比如排序、Map-Reduce）、金融分析等需要大規模并行計算的領域。

而CUDA（Compute Unified Device Architecture）是顯卡廠商NVIDIA推出的只能用于自家GPU的并行計算架構，只有安裝這個軟件，才能夠進行復雜的并行計算。該架構使GPU能夠解決復雜的計算問題。它包含CUDA指令集架構（Instruction Set Architecture，ISA）以及GPU內部的并行計算引擎，安裝CUDA之后，可以加快GPU的運算和處理速度，主流的深度學習框架也都是基于CUDA進行GPU并行加速的。

想要使用GPU加速，則需要安裝CUDA，首先需要自己的計算機顯卡支持CUDA的安裝，也就是查看自己的計算機有沒有NVIDA的獨立顯卡。在NVIDA官網列表（https://developer.nvidia.com/cuda-gpus）中可以查看自己的顯卡型號是否包括在NVIDA列表中。

在計算機桌面上右擊，在彈出的菜單中如果能找到NVIDIA控制面板，如圖2-9所示，則說明該計算機配有GPU。

圖2-9

打開NVIDIA控制面板窗口，可以查看NVIDIA的一些信息，包括顯卡的驅動版本，通過單擊“幫助”菜單，并選擇“系統信息”選項，查看系統信息獲取支持的CUDA版本。如圖2-10所示，選擇“組件”，在3D設置模塊找到NVCUDA64.DLL，在該行可以看到該NVCUDA的版本，可以看到圖中顯示的版本是11.8。

圖2-10