$\text{pyTorch}$的 $\text{CPU}$ 模式安裝比較簡單，可以忽略第1,2節，直接採用第3節的方式。

$\text{pyTorch}$的 $\text{GPU}$ 模式需要先安裝 $\text{CUDA}$ 和 $\text{cuDNN}$，然後才安裝 $\text{pyTorch}$。
\qquad

1. 安裝CUDA

\quad 進入到 CUDA Toolkit Archive 選擇想要下載的$\text{CUDA Toolkit}$版本：
\qquad
\quad 由於目前 $\text{pyTorch}$ 的 $\text{whl}$ 檔案只支援到11.0版本（見第 3 節），因此選擇cuda_11.0.2_451.48_win10：
\qquad

\qquad

2. 安裝cuDNN

\quad 進入到 cuDNN Download 選擇想要對應的 $\text{cuDNN}$ 版本（需要註冊nvidia會員登陸才能下載）：
\qquad
\quad 由於 $\text{CUDA Toolkit}$ 選擇了11.02版，因此 $\text{cuDNN}$ 選擇對應的8.0.5版cudnn-11.0-windows-x64-v8.0.4.30：
\qquad
\quad 將cudnn-11.0-windows-x64-v8.0.4.30解壓後的cuda資料夾下的3個目錄（bin,include,lib）拷貝到中C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.0中：
\qquad

\quad 然後，就可以使用nvcc -V檢視$\text{CUDA}$是否安裝成功：
\qquad
\qquad

3. 安裝pyTorch

\quad 進入pyTorch官網
\qquad
$(1)$ 採用 $\text{pip}$ 安裝方式

\qquad pip install torch===1.7.1+cu110 torchvision===0.8.2+cu110 torchaudio===0.7.2 -f https://download.pytorch.org/whl/torch_stable.html

\quad
$(2)$ 安裝過程中需要下載torch-1.7.1+cu110-cp37-cp37m-win_amd64.whl檔案，由於該檔案很大(1.9 G)，可以直接到https://download.pytorch.org/whl/torch_stable.html下載：
\qquad
\quad 採用 $\text{pip}$ 安裝方式：

\qquad pip install torch-1.7.1+cu110-cp37-cp37m-win_amd64.whl
\qquad pip install torchvision===0.8.2+cu110 torchaudio===0.7.2 -f https://download.pytorch.org/whl/torch_stable.html

經過這3個步驟之後，還是經常會出現CUDA安裝不成功，torch.cuda.is_available() 測試結果為 False
主要問題在於顯示卡驅動的版本問題。

\quad

4. 顯示卡驅動設定

\quad 如果是雙顯示卡，必須到“NVIDIA控制皮膚”中選擇“高效能NVIDIA處理器”。
\qquad
\quad 在“NVIDIA控制皮膚”的“幫助”—“系統資訊”中可以看到“驅動版本”和該版本所支援的CUDA版本號：
\qquad
\qquad

安裝最新版的驅動程式（顯示卡GTX850M，460.89-notebook-win10-64bit-international-dch-whql），顯示卡驅動支援CUDA Toolkit12.0，因此特意找了一個稍微老一點的驅動（451.67-notebook-win10-64bit-international-dch-whql）才能支援CUDA Toolkit11.02，否則無法下載到可以匹配的CUDA Toolkit版本。
　
顯示卡驅動下載地址：https://www.nvidia.cn/Download/index.aspx?lang=cn

\quad
\quad 在NVIDIA CUDA Toolkit Release Notes中，可以查到CUDA Toolkit和顯示卡驅動的匹配關係：
\qquad

測試CUDA是否安裝成功

\quad 安裝完畢之後，在 $\text{python}$ 中可以檢視已安裝 $\text{pyTorch}$ 和 $\text{CUDA}$ 的版本：
\qquad

\quad 在 $\text{python}$ 檢視 $\text{CUDA}$ 是否安裝成功：
\qquad

後記

\quad 本文只是記錄了一個大概可行的流程，在Win10中的三次安裝記錄如下：

第一次安裝：首先更新顯示卡驅動到最新的460.89，然後安裝pyTorch+cu10.2，最後安裝CUDA和cuDNN10.2的版本
　　　　　　但是CUDA安裝沒成功: torch.cuda.is_available() 結果為 False

第二次安裝：把顯示卡驅動降到了451.67以匹配CUDA 11.02。然後重新安裝了pyTorch+cu11.02，雖然之前安裝的CUDA Toolkits和cuDNN是10.2的版本
　　　　　　但是CUDA安裝卻測試成功: torch.cuda.is_available() 結果為 True

第三次測試：刪掉了CUDA和cuDNN10.2的版本，安裝了CUDA和cuDNN11.02的版本，CUDA安裝測試成功: torch.cuda.is_available() 結果為 True

\quad 由於測試較少，準確的安裝過程不是特別肯定，似乎是：
　$(1)$ 應該先安裝CUDA和cuDNN，然後再安裝pyTorch；
　$(2)$ CUDA Toolkit和顯示卡驅動版本的匹配很重要（不明白為何最新的顯示卡驅動所支援的CUDA Toolkits版本那麼高，只能通過降低顯示卡驅動版本，來匹配NVIDIA官網的CUDA Toolkit下載）。