Anaconda安装
Anaconda是为方便使用python而建立的一个软件包，其包含常用的250多个工具包，多版本python解释器和强大的虚拟环境管理工具，所以Anaconda得名python全家桶。Anaconda可以使安装、运行和升级环境变得更简单，因此推荐安装使用。
安装步骤：
- 官网下载安装包 https://www.anaconda.com/distribution/#download-section
- 运行安装包
- 选择安装路径：通常选择默认路径，务必勾选Add Anaconda to the system PATH environment variable（将Anaconda添加到环境变量中），等待安装完成
- 验证安装成功：快捷键win+R，打开cmd，输入conda，回车，如果出现各种相关信息，说明安装成功。
PyCharm安装
PyCharm是强大的 Python IDE，拥有调试、语法高亮、Project管理、代码跳转、智能提示、版本控制等功能。
安装步骤：
- 官网下载安装包 https://www.jetbrains.com/pycharm/，安装包分为专业版（收费）和社区版（免费）。
- 运行安装包。
- 选择路径，勾选Add launchers dir to the PATH，勾选.py，等待安装完成。
CUDA与CuDNN安装（非必须）
- 检查是否有合适GPU，若有，需安装CUDA与CuDNN。只有N卡支持cuda，如下操作可以查看支持的cuda版本：
NVIDIA控制面板→系统信息→组件→3D设置/NVCUDA.DLL - 进入PyTorch官网https://pytorch.org/，点击GetStarted，查看所支持的CUDA版本是多少。
- 进入CUDA官网https://developer.nvidia.com/cuda-toolkit-archive，选择相应版本的CUDA，选择相应的操作系统，Installer Type 选择 local。点击下载第一个文件。运行安装包，安装完成不必创建快捷方式。
- 验证CUDA是否安装成功：进入安装路径的bin文件夹，复制路径，命令行切换到该路径下（如cd C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\bin），然后执行nvcc -V，回车，如果出现相关版本信息，说明正确安装。
- 进入cuDNN官网https://developer.nvidia.com/rdp/cudnn-download，注册并登录账号，选择相应版本下载。解压安装包，将里面的三个文件夹复制到CUDA安装路径下（如C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1），cuDNN就安装完成了。
- 验证cuDNN是否安装成功：命令行切换到安装路径的extras\demo_suite文件夹下，执行bandwidthTest.exe，回车，Result = PASS说明安装成功。继续执行deviceQuery.exe，回车，显示GPU型号，Result = PASS，表示CUDA和cuDNN都安装成功了。
将pip源更换到国内镜像
使用pip安装python工具包时，由于默认源网速极慢，建议切换国内镜像。
默认源
- https://pypi.org/
国内镜像
-
阿里云 https://mirrors.aliyun.com/pypi/simple/
-
中国科技大学 https://pypi.mirrors.ustc.edu.cn/simple/
-
豆瓣(douban) https://pypi.douban.com/simple/
-
清华大学 https://pypi.tuna.tsinghua.edu.cn/simple/
-
华中科技大学https://pypi.hustunique.com/
临时使用
安装命令后接 -i url 即可，如：用清华镜像下载pandas
pip install pandas -i https://pypi.tuna.tsinghua.edu.cn/simple
永久修改
修改%HOMEPATH%\pip\pip.ini文件
%HOMEPATH%通常为C:\Users\xx
通常需要新建文件夹pip，然后新建文件pip.ini，ini文件可以用记事本打开和编辑，在pip.ini文件中输入以下内容（以豆瓣镜像为例）：
[global]
index-url = https://pypi.douban.com/simple
[install]
trusted-host = pypi.douban.com
PyTorch安装
1. 下载whl文件（非必须）
进入PyTorch官网https://pytorch.org/，点击GetStarted，选择相应版本，package选择pip，可以看到下方出现了torch和torchvision的最新版本号，以及一个网址https://download.pytorch.org/whl/torch_stable.html，复制网址，进入，可以看见各个版本的torch安装文件，通过这种方式，比直接执行安装命令速度要快。文件命名是有规律的，如：
cu101/torch-1.4.0-cp37-cp37m-win_amd64.whl，
cu101/torchvision-0.5.0-cp37-cp37m-win_amd64.whl
cu后为cuda版本，torch后为torch版本，torchvision后为torchvision版本，cp后为python版本，最后面代表windows64位。
可以利用快捷键ctrl+F搜索最新版本的torch和torchvision文件（如搜索cu101/torch-1.4.0），再选择相应python版本和平台下载pytorch与torchvision的whl文件，python版本要与系统一致，可以在命令行输入python来查看系统中python的版本。
2. 用PyCharm新建一个项目
Create New Project→Pure Python→命名→Create
新建一个脚本：File→New→Python file→命名→回车
在脚本中输入如下代码→右键→Run ‘项目名’ →报错找不到torch，因为在当前环境中，我们没有安装PyTorch。
import torch
print("hello pytorch{}".format(torch.__version__))
print(torch.cuda.is_available())
3. 创建python虚拟环境
点击下方Terminal→输入conda create -n 虚拟环境名 python=版本号（如conda create -n pytorch_gpu python=3.7）→回车→等待完成
进入虚拟环境：输入conda activate 虚拟环境名→回车
4. 安装
进入whl文件所在目录：输入cd whl文件所在目录→回车
安装：输入pip install torch→按tab键自动补全→回车→等待成功安装
输入pip install torchvision→按tab键自动补全→回车→等待成功安装
注意： 如果第一步没有下载whl文件，那么直接用pip或conda命令安装，安装命令在PyTorch官网选择相应版本后会显示。
5. 将当前项目关联到新创建的虚拟环境，即选择python解释器
File→Setting→Project：项目名/Project Interpreter→设置按钮→Add→Conda Environment→Existing environment→interpreter中选择 anaconda安装路径/envs/虚拟环境名/python.exe→OK→OK→OK→稍等片刻进行初始化
６. 验证
右键运行，成功输出PyTorch版本。如果输出True，证明GPU可用。
