注：重新更新，2020年笔记本显卡变化比较大的是很多主流轻薄全能本配置了MX350，其他变化不大。当前笔记本主流显卡有(同时按性能排名）：集显Intel UHD Graphics 620<MX110<MX130<集显Vega8<Vega10<MX150<MX250<RX550<MX350<GTX1050<GTX1650<GTX165...
cuda和英伟达驱动对应的版本：https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html
增加镜像源
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/m
要在
mx350
上安装 PyTorch GPU 版本，需要执行以下步骤：
1. 确保你已经安装了适用于
mx350
的 NVIDIA
显卡
驱动程序。你可以从 NVIDIA 官方网站下载并安装最新的驱动程序。
2. 安装 CUDA 工具包。访问 NVIDIA 的开发者网站，下载与你的
显卡
和操作系统兼容的 CUDA 版本，并按照它们的安装指南进行安装。
3. 安装 cuDNN 库。cuDNN 是一个用于深度神经网络的加速库，PyTorch GPU 版本需要它来提供更好的性能。你可以从 NVIDIA 开发者网站下载 cuDNN，并按照其安装指南进行安装。
4. 创建并激活一个 Python 虚拟环境（可选）。虚拟环境可以帮助你隔离不同的 Python 环境，并确保安装的软件包不会相互干扰。你可以使用 virtualenv 或者 conda 来创建虚拟环境。
5. 使用 pip 或者 conda 安装 PyTorch GPU 版本。打开终端或者命令提示符，运行以下命令来安装 PyTorch：
使用 pip：
pip install torch torchvision
使用 conda：
conda install pytorch torchvision cudatoolkit=<your_cudatoolkit_version>
注意替换 `<your_cudatoolkit_version>` 为你安装的 CUDA 工具包版本。
完成上述步骤后，你就可以在
mx350
上使用 PyTorch GPU 版本了。你可以通过导入 torch 库来验证它是否正确安装：
```python
import torch
print(torch.cuda.is_available())
如果输出为 True，则说明 PyTorch GPU 版本已经成功安装并可以使用
mx350
的 GPU 进行加速。
