conda create --prefix=D:\ProgramData\anaconda3\envs\transformerEnv python=3.10
-i https://pypi.tuna.tsinghua.edu.cn/simple
conda list pandas
pip install /path/to/your/package.tar.gz
pip install /path/to/your/package.zip
pip install /path/to/your/package.whl
pip install D:/迅雷下载/torch安装包/torch-1.11.0+cu113-cp310-cp310-win_amd64.whl
pip install D:/迅雷下载/torch安装包/torchaudio-0.11.0+cu113-cp310-cp310-win_amd64.whl
pip install D:/迅雷下载/torch安装包/torchvision-0.12.0+cu113-cp310-cp310-win_amd64.whl
torch与cuda
CUDA（Compute Unified Device Architecture）是由NVIDIA开发的一种并行计算平台和编程模型。允许软件开发者和程序员使用NVIDIA的图形处理单元（GPU）来进行非常复杂的计算任务。CUDA库是一个完整的工具安装包，其中提供了Nvidia驱动程序、开发CUDA程序相关的开发工具包等可供安装的选项
cuda
是否需要安装CUDA
如果你的电脑没有NVIDIA显卡，那么无法使用CUDA。如果你的电脑有NVIDIA显卡，但不想进行GPU加速计算或深度学习等高级应用，也可以不安装CUDA。如果你需要进行深度学习、科学计算等需要GPU加速的任务，那么安装CUDA是必要的。
打开命令提示符，输入nvcc --version命令，显示CUDA编译器的版本信息
在命令提示符或终端中输入nvidia-smi命令，这将输出当前GPU的状态信息，包括CUDA版本和驱动版本。如果没有安装cuda命令行中输入nvidia-smi显示你的GPU信息，包括支持的CUDA版本。
下载和安装CUDA： 访问NVIDIA官方网站：前往NVIDIA CUDA Toolkit Downloads页面，根据你的操作系统和显卡型号选择合适的CUDA版本。安装CUDA：下载完成后，运行安装程序并按照提示进行安装。在安装过程中，你可以选择自定义安装，只安装必要的组件
安装cuDNN：cuDNN是CUDA的一个关键组件，用于深度学习加速。你需要下载与你的CUDA版本对应的cuDNN库，并按照说明将其解压到CUDA安装目录中
验证安装：安装完成后，你可以通过在命令行中输入nvcc --version命令来验证CUDA是否安装成功。
torch
torch安装的版本要与cuda的版本进行匹配
torch的安装组件包括：torchvision torchtext，torchaudio ,torchinfo 这些相关库都是要版本匹配的