步驟零：安裝anaconda、opencv、pytorch（這些不詳細說明）。復制運行代碼，如果沒有報錯，說明已經可以了。不過大概率不行，我的會報錯提示AssertionError: Torch not compiled with CUDA enabled。說明需要安裝CUDA，或者安裝的pytorch版本是不帶CUDA的版本，需要按照以下步驟操作。
步驟一：安裝CUDA
步驟二：安裝cuDDN
步驟三：測試運行代碼
附：電腦不支持CUDA或者不想用gpu加速深度學習的
安裝CUDA
這就是用來調用gpu的工具，進行高效並行計算
打開控制面板->NVIDIA控制面板->幫助->系統信息->組件，查看NVCUDA.DLL版本（有些電腦可能不支持CDUA，解決方法在文章最后）
進入這個網站下載對應版本的CUDA
下載以后選擇自定義安裝，選擇全部組件安裝。注意記下這里的安裝目錄。
安裝cuDDN
可以理解為cuda的一個補丁，用來加速深度學習的一些運算的，特地針對深度學習進行優化了（我做的時候沒有安裝，應該也可以）
進入這個網站下載對應版本的CUDA（需要注冊）
https://developer.nvidia.com/rdp/cudnn-download
下載之后，
(1)解壓：會生成cuda/include、cuda/lib、cuda/bin三個目錄；
(2)分別將cuda/include、cuda/lib、cuda/bin三個目錄中的內容拷貝到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v7.5（CUDA安裝目錄）對應的include、lib、bin目錄下即可。
(3)將bin所在的目錄添加到環境變量 PATH 中，“此電腦”→“高級系統設置”→“環境變量”→“系統變量”→“path”→“編輯”→“新建”加入該路徑即可。
測試torch能否用gpu
import torch
print(torch.cuda.is_available())
輸出True即可。
或者
import torch
print(torch.version.cuda)
輸出CUDA的版本號即可。
此時運行你的深度學習程序應該就可以成功啦。
如果之前都做好了，卻輸出False或None則說明你安裝的pytorch版本不對，可能是不帶CUDA的版本。
進入https://pytorch.org/ 選擇正確的CUDA版本進行下載。
這里我是之前下載了一個None版本的pytorch，卸載以后再用conda命令下載CUDA10.0版本的，結果發現還是不行。於是我改在pycharm中用pip安裝命令安裝pytorch，最后解決問題。
電腦不支持CUDA或者不想用gpu加速深度學習的小伙伴
改這三個地方就好啦，即把用到CUDA的地方都注釋掉
紅字是改之前的，綠字是改之后的
