本来是没想把Pytorch写进专栏里的，但是昨天配置新电脑的时候，发现怎么每次安装Pytorch 的时候，官网的教程都不一样。我相信原因是Pytorch处于高速发展阶段，虽然已经有稳定版本，但是繁琐的配置环境变量一定会为难到大多数同学。那么今天，我们来看一个手把手的Pytorch 安装教程，包括GPU计算配置于Anaconda以及Pycharm。
那么首先，简明的罗列下需要的安装的项目（建议按顺序安装）：
- CUDA Toolkit
- Anaconda 或者 Pycharm
- Pytorch
1.CUDA 的安装与配置
把CUDA列为第一个要安装的项目是因为我在将Pytorch运行于GPU上踩了太多的坑，最开始torch.cuda.is_available() 总是返回 False。所以我们一定要配置好CUDA, 才能让之后的机器学习光速起飞！（不想做GPU计算的可以直接忽略CUDA的安装，进入第二步，普通处理器也是可以运行Pytorch的）
重中之中,一定要先查询Pytorch支持的CUDA版本：
PyTorchpytorch.org
在这里我们可以发现，Pytorch现在支持CUDA的版本为9.2，10.1，10.2，那么我们接下来就要看看我们自己电脑上的NVIDIA 的CUDA版本是否符合要求。
CUDA版本可以通过 控制面板 --> 右上角 查看方式 --> 大图标 --> NVIDIA 控制面板--> 帮助 --> 系统信息 --> 组件：
这里，我的CUDA的版本是10.2
如果没有安装过CUDA或者版本过老，那么我们可以去NVIDIA CUDA 的官网进行下载，需要提醒的是，你要安装的CUDA一定要是Pytorch官网里支持的版本，Pytorch并不支持向下兼容。同时，CUDA最新的版本在Pytorch 里不一定支持，这里在一定要注意。所以不要盲目更新你的CUDA。
这里提供一个网站，是NVIDIA官网CUDA的历史版本下载链接。因为CUDA官网总是最新版本的链接（目前是11.0），而Pytorch目前最新只支持到10.2。我在安装之处就忽略了版本的影响，天真的以为会兼容，结果走了很多弯路。
CUDA Toolkit Archivedeveloper.nvidia.com
下载好就可以跟着一步一步安装了。这里没有什么问题，安装完成后，打开命令提示符 cmd，输入：
nvcc -V
当我们看到NVIDIA以及版本号时，就证明安装成功了。
这里在多说一个问题，如果已经存在的CUDA版本太高怎么办，在Pytorch里没有支持的版本？那么我们就需要先卸载NVIDIA驱动，然后再安装。（没有这个问题的朋友可以直接移步下一节）因为我就是盲目的先更新了CUDA，然后发现Pytorch竟然不支持最新的CUDA版本，然后折腾了1个小时，才搞定。其实很简单，具体操作如下：
在控制面板，在卸载应用程序里搜索NVIDIA，保留以下两个应用，其他全部卸载。
卸载后，我们进入C:Program FilesNVIDIA GPU Computing ToolkitCUDA 将所有文件夹也都删除了，然后重启。
接着在去官网下载需要的CUDA版本进行安装就行了。
2. Anaconda 或者 Pycharm
ANACONDA
Individual Edition | Anacondawww.anaconda.com
Anaconda 的安装也不复杂，以上为官网，拉到下面可以找到下载链接，如下图：
选择合适的版本下载安装就可以了。
在安装时有一个地方需要注意：
这里有个将Anaconda添加到环境变量里，我建议不勾选。
安装好后，我们需要去配置环境变量：
打开 控制面板系统和安全系统高级系统设置环境变量用户变量PATH 中添加以下三个:（注意，每个人的安装路径不一样）
Pycharm
Pycharm 的安装比较简单，直接去官网下载Community版本即可。重点在于编译器的选择，我们在后面会讲，现在只需要安装好就可以。
https://www.jetbrains.com/pycharm/download/#section=windowswww.jetbrains.com
3. Pytorch 安装
Pytorch网上有很多安装的教程，但是都不是很详细，我在配置Pytorch的时候也遇到很多报错，同时GPU折腾了很久。在这里，我总结以及几个步骤，有问题的朋友可以随时留言。
1.登录Pytorch 选择对应的版本：
https://pytorch.org/get-started/locally/pytorch.org
然后我们打开Anaconda Prompt ：
输入 ：
conda create -n pytorch_gpu pip python=3.7
创建一个独立的运行环境。 在这里pytorch_gpu名字可以自定义，同时python=3.7版本需要跟随你自己的版本。
创建好环境后，继续输入，激活环境：
conda
接下来，就是重中之重了，将之前，我们在Pytorch 网站选好配置后的commend代码输入：
conda install pytorch torchvision cudatoolkit=10.2 -c pytorch
回车后安装会自动进行，需要输入y确认。
到这里，我们的Pytorch就安装好了，那么我们还需要一个步骤就是验证:
验证的方法有很多。
1.python 编译器
你可以在cmd里输入python，进入python编译器，然后输入：
import torch
x = torch.rand(5,3)
print(x)
如果能打印出矩阵，则pytorch安装成功。
torch.cuda.is_available()
如果以上代码返回"True"， 代表可以在GPU上进行计算。
2. Anaconda 的Jupyter
到左下角的开始页菜单，打开Anaconda Navigator，选择左上角Home，并将Application on 栏中的环境更改为pytorch_gpu，最后点击Jupyter的“install”，安装完成后，点击Lunch运行。
import torch
x = torch.rand(5,3)
print(x)
torch.cuda.is_available()
新建一个文件，将代码输入，GPU返回True则可以进行GPU运算。
3. Pycharm 的编译器配置
Pycharm相比之下比较复杂，复杂点在于配置编译器。
首先打开Pycharm，新建一个项目，同时配置编译器：
选择已经存在的编译器，点击 ... 查找更多。
点击Conda Environment， 然后点击 ... 进行查找：
设置好后进入项目，新建python文件，并输入以上代码，GUP返回为Ture。
至此，所有的配置就介绍完毕了，如果大家在安装过程中有问题，欢迎留言，我会及时为大家解答。
