一、電腦配置
CPU Inter Core i7 8代
GPU NVIDIA GeForce GTX1060
Windows10
所需的環境：
Anaconda3(64bit)
CUDA-9.0
CuDNN-7.1
二、安裝cuda
1.查看自己電腦NVIDIA圖形卡是否支持GPU運算
在安裝之前你要先查看你的電腦是否支持GPU運算,否則你也不用安裝了。
打開終端：
方法一：
ubuntu-drivers devices
我的顯卡是GTX1060的
方法二：
可以查看自己當前主機的顯卡型號以及個數
2.查看當前主機是否為64位：
uname -a
3.安裝推薦的顯卡驅動程序（重要）
方法(推薦)：
首先打開linux系統（Ubuntu16.04）找到設置，設置中的"軟件和更新"部分，然后打開，找到“附加驅動”，打開后安裝系統推薦的驅動。
然后就是靜靜等待安裝完成就可以了。安裝完成后記得重啟電腦！重啟電腦！重啟電腦！
這種方法的好處就是不易出錯，配置的話電腦都給你做好了。
（選）如果你的電腦誤把專用的顯卡驅動程序給刪掉，或者你上面那個圖中都沒有東西的話，你可以試試下面這個：（我就是。。。臉黑。。），可以先裝回來一個：（這步一般大家不用執行）
sudo apt install nvidia-cuda-toolkit
4.下載CUDA9.0地址下載：https://developer.nvidia.com/cuda-downloads
下面這個是10.0目前官網最新
1）若要安裝其他版本的到：Legacy Releases,我安裝的是9.0
選擇相對應的版本（下載基本包以及補丁）：
2）安裝自己版本的sudo sh cuda_9.0.176_384.81_linux.run
只有驅動部分是不需要安裝的，因為之前已經安裝過了，剩下的基本上都是yes默認
3）配置環境變量：
打開配置環境的文件：
sudo gedit ~/.bashrc
在打開的文本末尾加入：
export PATH=/usr/local/cuda-9.0/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda-9.0/lib64:$LD_LIBRARY_PATH
在終端輸入下面的語句，使更改的環境變量生效：
$ source ~/.bashrc
查看是否安裝成功：
nvcc -V
或者：
sudo nvidia-smi
或者：依次在終端輸入：
cd NVIDIA_CUDA-9.0_Samples/0_Simple/vectorAdd
make
./vectorAdd
結果出現test passed成功：
三、安裝cudnn7.4.1
（要安裝對應cuda版本的cudnn）
安裝cudnn :https://developer.nvidia.com/rdp/cudnn-download
1）linux下載第三個：
2）然后打開終端，1、cd到文件的下載目錄；2、解壓cudnn9.0文件；3、復制一些文件；
在終端依次中輸入以下命令：
cd cd /media/你的用戶名/TOSHIBA\ EXT/alu/CUDA/ # 進入 cuDNN 安裝文件的所在路徑 tar xvzf cudnn-9.0-linux-x64-v7.4.1.5-1.tgz # 解壓 sudo cp cuda/include/cudnn.h /usr/local/cuda/include # 復制到 include 中 sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64 # 復制到 lib64 中 sudo chmod a+r /usr/local/cuda/include/cudnn.h /usr/local/cuda/lib64/libcudnn* # 講頭文件復制進去
至此，cuda和cudnn安裝結束，接下來就可以安裝自己需要的東西了
四、安裝anaconda安裝+創建新環境
如果不安裝anaconda，也可以，可以直接在自己環境下pip安裝東西，但是因為anaconda會自帶很多依賴包，我們不需要安裝，而且它還可以創建多個環境實現py2和py3的切換，我覺得這個很好
1）anaconda：Ubuntu 安裝 Anaconda3 詳細步驟
我按裝的是，可以到清華源下載很快：https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/
2）安裝完成之后，如入安裝的是anaconda3,輸入python，則默認是python3.5
查看anaconda版本和conda版本：
打開jupyter notebook
jupyter notebook
3）如果你不用其他環境時，只用py3.5，可以直接conda或者pip來安裝一些東西，這個我就多說了，接下來我主要是寫在anaconda下創建多個環境，並在該環境中安裝依賴包
直接在該環境下安裝pytorch（參照下面的 五、）
conda install pytorch torchvision -c pytorc
##########測試#############
import torch as t x=t.rand(5,3) y=t.rand(5,3) if t.cuda.is_available(): x=x.cuda() y=y.cuda() print(x+y)
如果要多個環境，還不想太亂的話，可以
接下來可以轉到我的另一篇，來配置anaconda的多個環境：Anaconda3+python3環境下如何創建python2環境（win+Linux下適用，同一個anaconda下py2/3共存）
也可以看這里，我以anaconda3下配置環境py2.7下安裝pytorch為例：
（1）首先查看環境（如果你只有一個環境，沒有創建環境時，所有都默認在一個root環境下）：
conda info -e
（2）創建新環境（名字叫py27，環境是python2.7）
conda create -n py27 python=2.7
安裝完成后，激活環境：
source activate py27
退出環境：
source deactivate
（3）在新環境下查看當前安裝的依賴包：
source activate py27#激活環境 python --version#查看python版本是不是2.7 conda list#目前環境下的包
（4）因為剛剛creat創造py27環境下，只安裝一些必要包，所以還需要安裝其他包
conda install anaconda
五、在新環境下安裝pytorch
（1）到pytorch官網https://pytorch.org/找對應版本安裝
下面的run this command：是提示應該輸入的命令行
conda install pytorch torchvision -c pytorch=0.4.1#我安裝的是pytorch0.4.1版本
（2）檢驗是否安裝成功：
import torch torch.cuda.is_available()#查看是否可用
torch.cuda.get_device_name(0)#查看自己的顯卡設備
x = torch.rand(5,3) y = torch.rand(5,3) if torch.cuda.is_available(): x = x.cuda() y = y.cuda() print x+y
測試結束。
參考：https://blog.csdn.net/zzc15806/article/details/81669591