pytorch自学教程（一）
本文内容为自学过程的笔记，如有错误，欢迎指出。
一、anaconda安装
首先需要下载anaconda，它里面包含了大量的package（工具包），平时在深度学习、机器学习中一个个安装package很麻烦，而且容易出现一些问题。于是就有了anaconda，他是一个集成了应用于科学分析的大量的package的一个软件，也就是只要你安装了anaconda就安装了后面我们要用的大量package。
进入网站https://repo.anaconda.com/

下载之后，双击安装，记住安装路径，后面选择默认
安装成功后，在开始菜单栏打开anaconda prompt，如果命令行前面有“（base）”则说明安装成功。

（深度学习离不开显卡，现在的一些pytorch和TensorFlow都主要支持英伟达的显卡，有没有显卡对于学习pytorch并没有影响，显卡的作用主要起一个训练加速的作用，关于显卡的配置主要涉及驱动和工具包，而后者已经可以跟随pytorch一起安装，所以我们这里主要是检查显卡的驱动是否正确安装:开始菜单栏—任务管理器—性能，如果能显示GPU的具体型号，则安装正确）
二、环境管理
在正式的安装开始之前，要学会一个技巧，就是如何去管理环境，应为在今后的项目中经常会遇到不同的项目和代码需要的环境（pytorch版本）是不一样的。比如一个项目需要用到pytorch0.4，另一个项目需要用到pytorch1.0，不可能同时安装两个版本。
我们要用conda指令创建一个环境：在开始菜单找到anaconda prompt，打开命令行窗口，输入以下命令：conda create -n pytorch python=3.6，回车。安装成功会显示以下

命令行输入conda activate pytorch进入pytorch环境
命令行最左边由（base）变为（pytorch）

命令行输入pip list看有哪些package，发现没有pytorch
于是安装pytorch。
三、安装pytorch
进入https://pytorch.org/。往下拉至下图：

至于compute platform选哪个CUDA，首先我们要确定电脑有无独立显卡，知道电脑的GPU型号。进入设备管理器—显示适配器，可以看到自己的GPU型号，NVIDIA开头的是独立显卡，其他的有可能是集显

进入https://www.nvidia.cn/geforce/technologies/cuda/supported-gpus/确认一下你的GPU型号是否支持CUDA。
或者在anaconda prompt输入nvidia-smi查看版本号是否低于396.26

如果低于396.26则进入https://www.nvidia.com/Download/index.aspx?lang=cn选择自己显卡的驱动下载安装


1）检验是否安装成功：命令行输入python，进入python环境输入import pytorch，若没有报错则说明安装成功。

（pytorch安装不成功的参考https://blog.csdn.net/zzq060143/article/details/88042075）
2）接下来检查pytorch是否能用电脑上的GPU：输入torch.cuda.is_available()，返回的是True的话则说明能用。