1.安装或更新显卡驱动
根据自己的电脑的配置和需求，安装或更新显卡驱动，nvidia显卡驱动下载地址：官方驱动 | NVIDIA
下载可能比较慢，有梯子的话会好些。下载完成后安装exe文件即可。安装完成后，打开cmd命令窗口，输入如下的命令，可查看显卡驱动信息。
nvidia-smi根据显卡驱动信息，可以看到驱动的版本和最高支持的CUDA版本。然后，我们就需要根据这个信息来安装环境。
2.安装Anaconda
我们将通过Anaconda安装pytorch。Anaconda官网地址：Anaconda | Anaconda Distribution
打开官网，根据自己电脑版本下载相应的安装包。
双击下载好的anaconda安装包，按照安装步骤安装。安装过程需注意两个地方，第一，选择一个合适的安装路径；第二，将anaconda添加到环境变量中去，如下图所示，勾上对号。
安装完成后，点击win键就会出现Anaconda3文件夹，这样anaconda安装好了。
3.安装pytorch环境
点击win键找到Anaconda3文件夹，如图所示，打开Anaconda的终端。
输入以下命令，创建pytorch虚拟空间。询问是否安装的时候，输入y。
conda create -n pytorch python=3.9然后输入如下命令，激活pytorch环境。
conda activate pytorch
如图所示，即进入刚创建的pytorch虚拟环境。 
然后打开pytorch的官网PyTorch，在第一步时我们已知，显卡驱动最高支持cuda11.6版本，因此我们选择cuda11.3版本的cuda，如下图所示，复制红色方框中的命令。
将复制的内容粘贴到pytorch环境下的终端，运行即可。
然后就开始下载环境所需要的依赖包。由于网站问题，下载速度可能会比较慢。到这里pytorch的深度学习环境就安装好了。
4.验证
打开Anaconda的终端，激活pytorch环境。在pytorch环境中依次输入以下命令：
python
import torch
torch.cuda.is_available()输出如下，则pytorch环境就安装成功了。
5.安装pycharm
打开pycharm官网Download PyCharm，下载社区版（免费）。
点击安装包，按照安装步骤，选择合适路径，勾选添加到环境变量（那一页可全部勾选），完成安装即可。
打开软件，创建新工程，点击右下角Add Interpreter...
按下图红框选择对应选项即可，然后点击OK，则pytorch环境配置完成。
如图所示，选择pytorch即可。
至此，基于pytorch的深度学习环境安装就已全部完成。