现在很多机器学习初学者（包括我自己）入门阶段总是找不到比较好的教程资料，百度谷歌的内容太杂乱，要么是内容太陈旧就是会遇到教程里没有出现过的bug而中止，各种入坑填坑过程令人头痛。为此，本着雷锋的精神，记录也是分享入门时累积下的经验与方法。
大家装个CPU版的深度学习框架，不管是tensorflow还是pytorch，就很容易，一旦碰上GPU加速版的，就开始头秃了，说实话，我也秃。到目前为止，我也没太明白那些为了支持GPU而需要额外下载安装的工具到底是什么工作原理，Stop ! 这不是我们目前要学习的重点，如果你不想硬怼官方文档，不想做行业大佬，你大可把它们当作support部分。而这个部分让我来教你怎么简单解决！
现在开始：
首先让我们看看pytorch官网给我们的安装方式说明
该表格给出了pytorch支持的各种系统版本、安装方式、python版本以及CUDA版本（也就是NVIDIA官方的GPU加速工具驱动），一般我们的首选当然是稳定版（Stable），抢先版体验版初学者应该用不着。本教程是在大多数用户熟悉的windows上演示的，所以我们选择Windows；主流的安装方式有Conda和pip两种，后面会分别简单介绍如何操作；python版本个人推荐3.5和3.6，2.x版本过去用的人多，很多python的书籍也是基于python2.x，但是随着潮流，更推荐用3.x，不说3.7是因为没用过；CUDA版本要下就下最新的（CUDA10），反正pytorch支持，因为我发现，我在给同伴装CUDA9的时候，NVIDIA驱动说当前安装的CUDA版本太老了，或者是因为N卡驱动太新了吧，可能会出现不兼容的问题。细心的人可能发现了，不同的组合，最后给出的安装命令可能会不一样。
现在知道了pytorch支持的环境后就要开始着手准备了，首先我推荐CUDA的安装，这个环节独立于深度学习框架之外，就是说，把这个部分完成后，后面想安装tensorflow、pytorch、还是caffe等等都是可以的。
准备工作
对windows用户来说，大多数深度学习框架底层是基于C/C++开发的，少不了Visual Studio的支持，所以需要先下载安装一个VS的community社区版（免费版），推荐VS2017, VS2015也是可以的。
下载 | IDE、Code 和 Team Foundation Server | Visual Studio visualstudio.microsoft.com
CUDA安装
1.更新nvidia驱动
驱动程序 | GeForce www.geforce.cn
选择自己电脑显卡的型号（注意：笔记本的话选择型号后面带Notebooks的），下载最新的驱动安装包，点击下一步安装即可。
2.CUDA10安装
CUDA Toolkit Archive developer.nvidia.com
1)、选择CUDA版本，例如最新的CUDA Toolkit 10.0
2)、选择操作系统版本，安装方式选择”exe[local]”（本地安装），如下图，点击下载
3)、下载完成后双击安装包，选择自定义安装选项，只勾选CUDA组件
4)、下一步，完成安装
3.cuDNN 7 安装
访问如下链接，点击cuDNN Download
NVIDIA cuDNN developer.nvidia.com
此时你需要注册加入NVIDIA，才有资格下载，那就只能注册呗。登陆后选择和CUDA 10.0匹配的cuDNN v7，如下图，再选择你操作系统的版本下载，我们这里是windows10。
下载完成后，你会获得一个压缩包文件，此时你需要将该文件解压到一个安静的地方，然后给你的win10添加一个系统变量就大功告成了。你问我如何添加系统变量？问百度！
系统变量路径获取：找到你解压后的文件夹，打开到cuda/bin目录，如下图，右键路径并复制即可
图示是CUDA 9 的，只是为了演示如何获取bin目录下的文件路径，并没有什么影响
以上就完成了CUDA整个过程的安装。
PyTorch安装
pytorch的主流安装方式有两种，分别是conda和pip。简单的区别就是，
conda: 依托强大的Anaconda集成开发环境（IDE）而存在，上手调试很方便，适合新手。
pip: 轻量级，纯净，适合喜欢简约风格的人，不过调试不方便。(这里指的是纯python环境下的pip)
这两种我都装过，pip比较省事，但是你后面开发工作会很难受，还是推荐各位安装Anaconda，当然你如果喜欢用其他的IDE(例如eclips、pycharm等)，同样也可以用pip工具下载安装pytorch。不明白的忽略此条，以后自然会懂。
Downloads – Anaconda www.anaconda.com
访问如上链接，选择对应操作系统版本的Anaconda，并下载。此时你可能发现下载Anaconda安装包默认送一个python3.7，如果你想换成其他版本的如何操作？
下为该解决办法链接
Frequently asked questions docs.anaconda.com
不想看英文没关系，我后面会演示一种方法。
安装完Anaconda，你的左下角菜单会多出这么多东西：
我们点击 Anaconda Prompt ，进入到类似windows的cmd命令行解释器中，输入以下命令，创建一个独立的运行环境，方便开发过程中遇到的多版本并存，不懂就跳过，
conda create -n pytorch_gpu pip python=3.6pytorch_gpu 为环境名字，可自定义，python3.6为该环境中的版本，与安装Anaconda时默认送的python互不干扰，如果你想使用其他版本的python，直接更改“=”后的版本号即可。创建过程中会出现确认信息，输入”y”回车。
如何进入我们创建好的环境中，并安装相应工具包呢？接下来输入一下命令
conda activate pytorch_gpu回车后可以发现命令行最前面括号内的环境名发生了变化，紧接着就是安装我们的pytorch了，去官网找到相应的安装命令，其实在最初就已经告诉我们了
conda install pytorch torchvision cuda100 -c pytorch整个过程会自动安装，同时呢，也会出现确认界面，同上输入“y”回车即可。
因为安装包来自互联网，如果遇到下载速度很慢（就是一天都下不完那种，400~1000KB算正常），建议更换国内源，不懂请自行百度“conda 国内源”。
验证
为了确保PyTorch是否安装成功，我们需要运行简单的样例代码测试，例如打印出随机生成的张量矩阵，以及gpu是否可以使用。
首先在命令行输入python，进入python的解释器，依次输入以下命令，每输入一句回车
import torch
x = torch.rand(5,3)
print(x)输出的内容应该类似于以下：
tensor([[0.3380, 0.3845, 0.3217],
[0.8337, 0.9050, 0.2650],
[0.2979, 0.7141, 0.9069],
[0.1449, 0.1132, 0.1375],
[0.4675, 0.3947, 0.1426]])如果OK，则说明pytorch安装基本成功。
再输入
torch.cuda.is_available()如果输出“True”，则说明GPU驱动和CUDA可以支持pytorch的加速计算！
恭喜安装成功！
使用说明
既然我们使用了IDE，那么我们在学习或者开发的过程中就不能只是从命令行开始写代码了，如果你是第一次使用Anaconda，那你以后会和名叫Spyder的IDE打交道了，现在说明如何将我们配置好的环境导入到Spyder中去。
到左下角的开始页菜单，打开Anaconda Navigator，选择左上角Home，并将Application on 栏中的环境更改为pytorch_gpu（或者是你自己定义的环境），最后点击Spyder下的“install”，静静等待，这个时候你可以玩一下手机，看一下微信。
导入完成后，我们发现开始页菜单栏里，多了一个”Spyder(pytorch_gpu)”，以后就可以直接从这里进入IDE了，开始我们的深度学习之旅。
结束语
如果网络上没有搜索到好的资料，建议多看看官方网站的安装说明及其各种教程和文档，静下心来你就会发现新的大陆。
如果后面你想学习tensorflow，就不要去网络上找博客了，因为个人总结的信息都存在有过时及定制化的因素，且不负责任，或许我这篇的内容也即将过时，也不负任何责任，正确做法建议参照上面一句话。
