1.conda创建虚拟环境pytorch_gpu
conda create -n pytorch_gpu python=3.6
创建虚拟环境还是相对较快的，它会自动为本环境安装一些基本的库，等待时间无需很长，成功之后界面如下所示：
2.切换到pytorch环境
使用如下命令，切换到我们刚刚创建好的pytorch虚拟环境，这样我们避免与其它python环境之间的干扰。
conda activeta pytorch_gpu
切换成功之后就会看到在路径前边显示我们已经进入该虚拟环境。
3.安装几个常用库（也可暂时不安）
conda install pandas jupyter notebook
4.安装pytorch
4.1进入官网查看要下载的版本
查看对应的版本，这里是官方链接：
4.2 根据系 统信息及cuda版本选择对应toolkit
这里最主要的是那个CUDA的版本，此处我选择的是10.1，是因为我的电脑的 cuda版本信息就是这样的。具体的查看方法可在4.5节查阅。
4.3复制上图中最后一行代码到pytorch环境终端
conda install pytorch torchvision cudatoolkit=10.1 -c pytorch
这里是下载过程截图：
但是在下载过程中torchvision以及pytorch没有下载成功，
因为这是去其官网下载，下载速度很慢，在上图中我们也可以看出是因为网络错误,网络上也有几种其他的方法，此处我没去验证，我还是让电脑重新下载的，等待时间挺长的，但是因为是在晚上下载的，一早起来就好了
4.4 验证pytorch是否安装成功
此时直接输入 python，即可成功进入：
而后输入如下指令，查看torch是否安装成功
>>> import torch >>> x=torch.randn(4,4) >>> print(x)
正常情况下是出现这个界面的：
验证完成之后，可以quit()保存退出。
4.5 如何查看自己电脑cuda版本
4.5.1 windows如何查看
NVDIA控制面板–>帮助–>系统信息
组件–>NVCUDA.DLL 可以查看CUDA版本
这里我的显示是10.1,所以我上边下载的版本也是10.1的，这里的版本要对应上，否则会出现问题。
4.5.2 linux如何查看
打开终端，输入：nvcc -V
nvcc -V
或者如下方式查看：
CUDA:
cat /usr/local/cuda/version.txt
cudnn:
cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2
