整理整个pytorch的入门过程
https://pytorch.org/get-started/locally/#anaconda
为了充分利用PyTorch的CUDA支持的能力，建议（但并非必须）自己的Windows系统有NVIDIA GPU。
Anaconda是一个管理环境、安装各种包的平台。可以使用可视化的界面Anaconda Navigator，也可以使用命令行的方式进行操作，命令行入口是Anaconda Prompt。如果让系统得知你在命令行想用Anaconda呢，就是特殊的命令格式：conda ....
Anaconda的介绍、安装及使用教程连接如下。
https://zhuanlan.zhihu.com/p/32925500
其中，使用教程中包括了创建环境、更改环境、关闭环境。“环境”就是指开发环境，比如要用哪一个版本的python。此外，使用教程也包括了如何安装一个想用的包。
官网可以下载Windows对应的安装包 Anaconda3-2020.02-Windows-x86_64.exe。
安装完Anaconda后，自带了python 3.7.4，在cmd中查找不到，只有在Anaconda Prompt的环境中才能查到。
相比较pip而言，通过Anaconda安装pytorch更容易，因为它会自动下载所有pytorch所依赖的包。在pytorch的官网，在开头就有一个安装命令提供。
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。
NVIDIA cuDNN是用于深度神经网络的GPU加速库。它强调性能、易用性和低内存开销。NVIDIA cuDNN可以集成到更高级别的机器学习框架中，如加州大学伯克利分校的流行caffe软件。简单的，插入式设计可以让开发人员专注于设计和实现神经网络模型，而不是调整性能，同时还可以在GPU上实现高性能现代并行计算。 ———————————————— 原文链接：https://blog.csdn.net/qq_35239859/article/details/79827203
打开计算机->属性->控制面板->NVIDIV控制面板->系统信息，如下图所示。
下述文章解释了如何安装正确版本的CUDA。不论是tensorflow还是pytorch，都要注意版本所需的cuda。
https://blog.csdn.net/qq_38163755/article/details/88583016
服务器的NVIDIA驱动程序版本允许安装CUDA10.1，在Anaconda Prompt3中，通过以下语句安装CUDA和CUDNN。
conda install cudatoolkit=10.1 conda install cudnn完成cuda的安装后，在pytorch官网https://pytorch.org/找到之前的版本，选择可以适配cuda10.1的pytorch，如下图。
安装完成后，验证pytorch是否安装成功，用官网提供的命令
首先在Anaconda Prompt中在命令行输入:
python会跳出Python的环境，即">>>” ，then enter the following code:
from __future__ import print_function import torch x = torch.rand(5, 3) print(x)结果类似于：
tensor([[0.3380, 0.3845, 0.3217], [0.8337, 0.9050, 0.2650], [0.2979, 0.7141, 0.9069], [0.1449, 0.1132, 0.1375], [0.4675, 0.3947, 0.1426]])这样，就安装完成了。
如果要查看此时安装的pytorch是否可以使用 GPU，输入以下代码测试CUDA是否有效。
import torch torch.cuda.is_available()
