Anaconda安装

"external nofollow" href="https://www.anaconda.com/distribution/#download-section">https://www.anaconda.com/distribution/#download-section

PyCharm安装

"external nofollow" href="https://www.jetbrains.com/pycharm/">https://www.jetbrains.com/pycharm/，安装包分为专业版（收费）和社区版（免费）。

CUDA与CuDNN安装（非必须）

1. 检查是否有合适GPU，若有，需安装CUDA与CuDNN。只有N卡支持cuda，如下操作可以查看支持的cuda版本：
2. NVIDIA控制面板→系统信息→组件→3D设置/NVCUDA.DLL
3. 进入PyTorch官网https://pytorch.org/，点击GetStarted，查看所支持的CUDA版本是多少。
4. 进入CUDA官网https://developer.nvidia.com/cuda-toolkit-archive，选择相应版本的CUDA，选择相应的操作系统，Installer Type 选择 local。点击下载第一个文件。运行安装包，安装完成不必创建快捷方式。
5. 验证CUDA是否安装成功：进入安装路径的bin文件夹，复制路径，命令行切换到该路径下（如cd C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\bin），然后执行nvcc -V，回车，如果出现相关版本信息，说明正确安装。
6. 进入cuDNN官网https://developer.nvidia.com/rdp/cudnn-download，注册并登录账号，选择相应版本下载。解压安装包，将里面的三个文件夹复制到CUDA安装路径下（如C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1），cuDNN就安装完成了。
7. 验证cuDNN是否安装成功：命令行切换到安装路径的extras\demo_suite文件夹下，执行bandwidthTest.exe，回车，Result = PASS说明安装成功。继续执行deviceQuery.exe，回车，显示GPU型号，Result = PASS，表示CUDA和cuDNN都安装成功了。
   

将pip源更换到国内镜像

"htmlcode">

import torch
print("hello pytorch{}".format(torch.__version__))
print(torch.cuda.is_available())

3. 创建python虚拟环境

　　点击下方Terminal→输入conda create -n 虚拟环境名 python=版本号（如conda create -n pytorch_gpu python=3.7）→回车→等待完成

　　进入虚拟环境：输入conda activate 虚拟环境名→回车

4. 安装

　　进入whl文件所在目录：输入cd whl文件所在目录→回车
　　安装：输入pip install torch→按tab键自动补全→回车→等待成功安装
　　　　　输入pip install torchvision→按tab键自动补全→回车→等待成功安装

注意： 如果第一步没有下载whl文件，那么直接用pip或conda命令安装，安装命令在PyTorch官网选择相应版本后会显示。

5. 将当前项目关联到新创建的虚拟环境，即选择python解释器

　　File→Setting→Project：项目名/Project Interpreter→设置按钮→Add→Conda Environment→Existing environment→interpreter中选择 anaconda安装路径/envs/虚拟环境名/python.exe→OK→OK→OK→稍等片刻进行初始化

６. 验证

　　右键运行，成功输出PyTorch版本。如果输出True，证明GPU可用。

总结