首先先简单谈一下，pytorch吧，也就说说我觉得关键的地方。

pytorch来源torch（一个用lua语言写的，由于学lua（也是脚本语言）的人不多，所以不太流行，但是很灵活。），pytorch的团队把接口重新编写实现了，python first，不仅能够实现GPU加速还支持动态神经网络。

简单说一下我选择pythorch的原因，Pytorch设计思路是线性、直观且易于使用，当你执行一行代码的时候会忠实的执行，没有异步的世界观，所以当代码出现bug时很方便修改，通过这些信息你可以快速的找到出错的代码，不会在debug的时候因为错误的指向或异步和不透明的引擎浪费时间。pytorch相对TensorFlow代码更加简单直观。当然还有其他，就不在说明。

关于安装，mac，linux可能网上教程很多，自行安装。关于windows安装，在写这篇文章时网上有一些教程，也比较详细，推荐anaconda。关于anaconda安装pytorch网上还没有看到，可能我会找时间写写因为原来装过TensorFlow，所以只装anaconda一些其他的就好像可以用了。
接下来我们需要一个好用的Python的开发环境，对于Python而言，比较头疼的就是不同版本环境管理与包管理。针对这些问题，有不少发行版的Python，比如WinPython和Anaconda等，这些发行版将Python常用的包打包，方便使用者直接使用而不需要再重新安装，这里推荐使用Anaconda软件管理包。
那么Anaconda是什么呢？Anaconda是一个用于科学计算的Python发行版，支持Linxu、Mac和Windows系统，提供了包管理与环境管理的功能，可以很方便地解决多版本Python并存、切换，以及各种第三方包安装的问题。
Anaconda的下载可以进入其官网Downloads – Anaconda。

Anaconda的服务器在国外的，所以速度可能会很慢，我们可以使用清华的镜像来下载，输入网址

对于GPU版本的安装，会稍微复杂一点，大概需要以下几个步骤：

（1）安装NvidiaCuda；

（2）安装CuDNN；

（3）安装GPU版本PyTorch；

（4）测试。

文章内仅仅做简单的描述，关于具体实现步骤自己实现，对于经常装环境的人不算难，大概会有点麻烦，不过我觉得比TensorFlow好装，真的，别问我怎么知道的。