背景·碎碎念
小白一枚，研0在读，为了深度学习装pytorch，先懵懂无知地旁观师姐在Linux上装了一遍环境，大概有了一丢丢印象，然后试着在自己的win10电脑上装。anaconda+pycharm已装后为了这个pytorch简直心累。
第一遍装pytorch以为自己的电脑配置只能装cuda9.0版本，从而装了个低版本的torch，结果跑大佬的代码，有的参数不能用，因为低版本torch库里根本没有！第二遍再装，问题依旧挺多，但好歹装下来了！
记录下我的经验，希望给和我一样的纯小白朋友一点启发。
cuda下载
1、cuda是啥？为啥要装？
（来自百度百科：）
CUDA（Compute Unified Device Architecture），是显卡厂商NVIDIA推出的运算平台。 CUDA™是一种由NVIDIA推出的通用并行计算架构，该架构使GPU能够解决复杂的计算问题。
随着显卡的发展，GPU越来越强大，而且GPU为显示图像做了优化。在计算上已经超越了通用的CPU。如此强大的芯片如果只是作为显卡就太浪费了，因此NVIDIA推出CUDA，让显卡可以用于图像计算以外的目的。
（换句简单的话说：）
只用CPU跑代码太慢了，装cuda以后可以用GPU辅助CPU，跑深度学习的代码一下子变快了呢~~
2、cuda跟自己电脑的配置有啥关系？
不是所有电脑都可以装cuda！
打开电脑的设备管理器，在显示适配器一栏检查自己拥有啥显卡。除了每台电脑都有的集成显卡，还必须有至少一个独立显卡，才有可能装cuda哦。
如图所示，我除了集成显卡以外还有一个独立显卡，型号是NVDIA GeForce GTX 1050 Ti。
知道自己的显卡型号以后，有2个问题：
（1）这个型号的显卡可以装cuda吗？
基本上NVIDIA的显卡都支持CUDA，包括Quadro绘图卡，Tesla加速计算卡，GeForce游戏卡，NVS以及Jetson等等。可以通过官网查询自己的型号是否支持cuda（不过这一步并不是十分必要）：
（2）这个型号的显卡可以装cuda的什么版本呢？
最高可以装到cuda的什么版本，由驱动的版本决定。
在电脑桌面空白处右击，打开NVIDIA控制面板，点进帮助->系统信息，选择组件，查看NVCUDA64.DLL后的产品名称，可以看到驱动所支持的最高的cuda版本，安装这个版本或者更低的版本都可以。
如果发现自己的驱动能支持的版本很低，不用担心，我们可以先去NVIDIA官网更新一波自己的驱动，再回头下载cuda。
找到自己的显卡型号，正常下载安装即可（后续选择精简安装就好了）。然后再按之前的方法检查以下驱动支持的cuda最高版本，是不是变高了呢？
3、装cuda
https://developer.nvidia.com/cuda-toolkit-archive
进入官网，选择一个版本（只要低于电脑驱动最高支持的版本就行，可以根据你想跑的大佬代码的环境要求来安装）。我选择的是10.2版本（base installer）：
下载好以后，进入你的安装位置，双击运行，按照界面的提示来。如果不想装再C盘，着重注意一下安装位置。很多安装教程里说装VS会出现问题，所以需要选择自定义安装，手动取消勾选VS那一项，我不太清楚会发生什么，我跟着做了。
4、cudnn下载
cuDNN Archive | NVIDIA Developer
到官网找到对应cuda版本的cudnn进行下载，解压后将文件夹中的bin、include、lib这3个文件夹复制粘贴到CUDA的安装目录下（默认路径是C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2），直接覆盖即可。
5、检查cuda安装成功了吗？
搜索cmd进入命令窗，利用以下命令进入cuda安装路径中的某个文件夹
cd C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2\extras\demo_suite按回车，接着输入：
bandwidthTest.exe显示PASS则没问题，再来一个检查，输入：
deviceQuery.exe显示PASS则说明cuda和cudnn均安装成功。
6、设置环境变量
建议找一下别人的教程，孩子这部分没截图。
pytorch安装
上pytorch官网找对应cuda版本的下载命令：
比如我有10.2版本的cuda，就按图上这样选择，得到了一条命令。
1、设置清华镜像源
安装服务器在国外的python库比较慢，改设置咱们国内的镜像源可以快一点儿，清华镜像源就是其中之一。
在anaconda prompt的命令窗中输入以下代码：
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --set show_channel_urls yes
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/peterjc123/2、创建虚拟环境
python代码要跑起来，得先配置环境，pytorch也是环境里的内容之一。没有容器，也装不了东西，所以咱们先创建一下环境：
接着在anaconda prompt的命令窗中敲命令（其实cmd也可以）：
conda create -n pytorch python=3.8命令中的pytorch是我给这个环境取的名字，你也可以随便取，python版本也不一定要=3.8，看你需求。
然后就是噼里啪啦的安装，遇到y/n输入y就完事了。
创完环境要激活一下，才能进入这个环境：
conda activate pytorch进入环境以后能看到命令行前有一个（pytorch），说明已经进入名为pytorch的环境啦。
然后呢咱们就是把之前在官网得到的那条命令复制过来，记得去掉尾巴上的-c python，因为咱用的是清华镜像源哈！
conda install pytorch torchvision torchaudio cudatoolkit=10.2然后y/n还是选y，等它安装就好了。
但我比较倒霉，它不断安装失败，不断报错CondaHTTPError: HTTP 403 FORBIDDEN for url。我是在学校用的不太稳定的校园网，把网关了，忍痛开启手机热点，一切迎刃而解......默默心疼花出去的那1.6G流量。
当successfully装上以后，往命令行输个python，回车，看到>>>以后，用代码调试一下看看咱以cuda为基础的pytorch好使不好使：
import torch
torch.cuda.is_available()
像我这样得到True就说明好使，成了！
