前言
PyTorch是一种开源深度学习框架，它由Facebook AI Research（FAIR）团队开发并维护。它的设计初衷是为了提供简单易用的接口，帮助研究人员和开发者构建强大的深度学习模型。
在本安装指南中，我们将引导您完成PyTorch的安装过程，以便您可以开始进行深度学习项目的开发。我们将提供多种安装方法，以满足不同操作系统和环境的需求。
一、环境版本
在开始安装之前，请确保您满足以下要求：
- Python：PyTorch支持Python 3.6及以上版本。确保您已经安装了合适的Python版本。
- CUDA（可选）：如果您计划在GPU上加速深度学习计算，您需要安装适当的NVIDIA CUDA工具包和cuDNN库。
二、开始安装
官网：https://pytorch.org/
CPU版本安装（GPU版本在下面-可以直接跳过）
选择稳定版的windows安装包：
显卡显存不够使用cpu版
直接安装用cmd：
GPU版本安装
cuda是什么？
是一种新的操作GPU计算的硬件和软件架构，是建立在NVIDIA的GPUs上的一个通用并行计算平台和编程模型,它提供了GPU编程的简易接口,基于CUDA编程可以构建基于GPU计算的应用程序,利用GPUs的并行计算引擎来更加高效地解决比较复杂的计算难题。无需把这些计算映射到图形API。
查看驱动版本：nvidia-smi
CUDA 下载安装
版本对应：我这是528.02
https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html
下载地址：https://developer.nvidia.com/cuda-toolkit-archive
安装完成后：
cudnn 下载安装
版本对应：https://docs.nvidia.com/deeplearning/cudnn/support-matrix/index.html
下载地址（需要注册）：https://developer.nvidia.com/zh-cn/cudnn
官方给的安装文档：https://docs.nvidia.com/deeplearning/cudnn/install-guide/index.html#install-windows
简单来说就两步将文件放入cudn文件夹下然后写入环境变量
下载解压：
复制到cudn文件下，也就是上面cudn的安装位置，我这修改过默认路径为：C:\Program Files\NVIDIA GPU Computing Toolkit\
为cudnn添加环境变量：
将bin、include、libnvvp加入path环境变量
验证一下：
按住shift+鼠标右击 选择用命令提示符打开
运行一下：deviceQuery.exe
我这已经安装过了：
到这里就安装完成了
总结
无论您选择哪种安装方式，一旦安装完成，您就可以在Python代码中导入PyTorch并开始构建、训练和评估深度学习模型了。
在您安装PyTorch后，我们还建议查阅官方文档和示例代码，以便更好地了解框架的功能和用法。祝您在使用PyTorch时取得成功，并在深度学习的旅程中获得愉快而有益的体验！如果您在安装或使用过程中遇到任何问题，官方社区和论坛也会随时欢迎您的提问和交流。