為什么 torch.cuda.is_available() 是 False
torch.cuda.is_available()，這個指令的作用是看，你電腦的 GPU 能否被 PyTorch 調用。
如果返回的結果是 False，可以按照以下過程進行排查。
1、確認你的 GPU，是否支持 CUDA（是否支持被 PyTorch 調用）
首先，確定你的顯卡型號，是否是 NVIDIA 顯卡。可以從 任務管理器 或者 設備管理器來查看顯卡的型號。
之后，去 官網 看，如果其中有你的顯卡型號，則說明你的顯卡是支持被 PyTorch 調用的。
（絕大多數的 NVIDIA 顯卡都是支持的）
如果沒有 NVIDIA 顯卡的話，也沒有關系。CPU 就已經足夠了，而且你會在后面的教程看到，對於小型網絡，CPU 速度更快（竊喜）
2、打開命令行，輸入 nvidia-smi，查看自己的 Driver Version
我們教程中安裝的 PyTorch 1.3 + CUDA 9.2 版本，要求電腦的顯卡驅動大於396.26。
像我截圖中的驅動版本為430.86，大於396.26。
如果你的驅動版本小於396.26，請用各種驅動管理軟件或者軟件管家，去升級你的顯卡驅動。當然，更推薦去官網，下載對應的最新驅動。
3、下載最新驅動。在 官方網站 選擇相應的顯卡型號，操作系統，其他默認。其中的 Notebooks 是指筆記本。
之后，點擊搜索，下載最新驅動后，進行安裝即可。
4、檢查驅動版本。安裝完最新的驅動后，可以再次在命令行窗口輸入 nvidia-smi，查看最新的版本是否安裝成功。
5、打開 Anaconda Prompt，輸入 conda activate pytorch，再輸入 python，進入 python 環境。
在 python 環境中，輸入 import torch, 之后輸入 torch.cuda.is_available，查看返回的結果是否是 True。
使用 Conda 下載 PyTorch 速度太慢了，怎么辦？
1、(玄學辦法) 早上下載安裝，感覺早上的時候，下載的速度明顯變快。
2、從本教程最頂端的百度雲處，下載這兩個文件。（這兩個文件是適用於 pytorch1.3 + cuda9.2 + windows）
將這兩個下載好的文件，放在 Anaconda 安裝出的 pkgs 文件夾下。
之后打開 Anaconda Prompt，輸入 conda activate pytorch。
之后，輸入以下指令：conda install --use-local pytorch-1.3.0-py3.6_cuda92_cudnn7_0.tar.bz2 和 conda install --use-local cudatoolkit-9.2-0.tar.bz2，即可使用下載的包進行安裝。
我的大本營
尋找有趣或更有效率的事、工具和教程
