Anaconda指的是一個開源的Python發行版本，其主要優點如下：
-
Anaconda默認安裝了常見的科學計算包，用它搭建起Python環境后不用再費時費力安裝這些包；
-
Anaconda可以創建互相隔離的虛擬環境，可以在不同環境下制定不同版本的Python，安裝不同依賴包，再也不用糾結多個Python版本究竟安裝哪個；
一、本次安裝所需的基本軟件
1. Anaconda3-5.3.1-Windows-x86_64
2. pycharm-community-2019.3.4
3. python3.7（不用單獨安裝）
4. cuDNN 8.0.1
5. CUDA 10.2
二、安裝步驟
1. 查看自己電腦的GPU是否支持CUDA（一定要查看，否則白忙活一場）
在我的電腦上右鍵單擊，找到管理並進入，具體情況如下：
找到設備管理器，在顯示適配器里面查看GPU的具體型號，如下所示。如果支持CUDA，則繼續下一步，否則到此為止！！！.
接下來百度搜索你的GPU型號 SPECIFICATION，如GTX1050 SPECIFICATION，查看是否支持CUDA，具體如下：
2. Anaconda安裝
前往Anaconda官網下載個人版安裝，如下圖所示：
3. 添加清華鏡像源
用conda安裝Pytorch過程中會連接失敗，這是因為Anaconda.org的服務器在國外，需要切換到國內鏡像源。在windows系統的開始菜單中找到Anaconda Prompt進入，如下圖所示：
添加鏡像，依次輸入下面幾條命令，如下圖所示：
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
設置搜索時顯示通道地址，如下圖所示：
conda config --set show_channel_urls yes
4. 創建pytorch_gpu虛擬環境
在Anaconda Prompt命令行中為自己的深度學習環境創建一個虛擬運行環境，起名為pytorch_gpu，為了后期可以在jupyter中使用虛擬環境，則此處可以在創建虛擬環境的時候便安裝好ipykernel，如圖所示：
conda create --name pytorch_gpu python=3.7 ipykernel #這條命令將會創建一個新的環境，位置在Anaconda3/envs/pytorch_gpu中
創建好虛擬環境以后，可以使用命令 conda env list 查看已創建好的新環境，如下圖所示，pytorch_gpu是我們新創建的環境，base為默認環境：
5. 激活pytorch_gpu虛擬環境
創建好虛擬環境以后，如果想要使用它讓系統處於其運行環境下，需要先激活環境，可以運行以下命令：
activate pytorch_gpu
激活成功后可以看到當前環境已經變為pytorch_gpu，如下圖所示
如果要關閉當前環境，只需要輸入以下命令，如下圖所示：
deactivate
如果要刪除新環境，只需要輸入以下命令，如下圖所示，刪除名為pytorch_gpu的環境
conda remove -n pytorch_gpu --all
6. CUDA與CUDNN的關系
CUDA(ComputeUnified Device Architecture)，是顯卡廠商NVIDIA推出的運算平台。CUDA是一種由NVIDIA推出的通用並行計算架構，該架構使GPU能夠解決復雜的計算問題。
NVIDIA cuDNN是用於深度神經網絡的GPU加速庫。它強調性能、易用性和低內存開銷。NVIDIA cuDNN可以集成到更高級別的機器學習框架中，如谷歌的Tensorflow、加州大學伯克利分校的流行caffe軟件。簡單的插入式設計可以讓開發人員專注於設計和實現神經網絡模型，而不是簡單調整性能，同時還可以在GPU上實現高性能現代並行計算。
CUDA看作是一個工作台，上面配有很多工具，如錘子、螺絲刀等。cuDNN是基於CUDA的深度學習GPU加速庫，有了它才能在GPU上完成深度學習的計算。它就相當於工作的工具，比如它就是個扳手。但是CUDA這個工作台買來的時候，並沒有送扳手。想要在CUDA上運行深度神經網絡，就要安裝cuDNN，就像你想要擰個螺帽就要把扳手買回來。這樣才能使GPU進行深度神經網絡的工作，工作速度相較CPU快很多。
7. 安裝CUDA，我的搭配為cuDNN 8.0 + cuda10.2
在NVIDIA官網找到所需要的CUDA版本，然后一步步安裝即可，如下圖所示：
！下面一步要注意安裝Display Driver的最新版本，即勾選版本號更大的選項.
安裝好之后，在命令提示符界面輸入nvcc -V，查看是否安裝成功。以下是安裝成功的情況。
8. 安裝cuDNN
所安裝的cuDNN版本注意和CUDA版本對應，可以在CUDNN官網找到版本對應關系，注冊賬號后即可下載對應版本的cuDNN，具體版本間的對應關系如下：
新建一個文件夾cudnn，之后將下載的文件cuDNN解壓，將里面的bin，include，lib這三個文件夾直接復制到cudnn文件夾之中。最后將cudnn文件夾移動到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0這個路徑下面。
移動完成之后的結果如下：
在高級系統設置中找到環境變量，在系統變量的path路徑中添加以下兩個路徑，根據自己的實際路徑添加
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\extras\CUPTI\libx64
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\cudnn\bin
添加好之后的結果如下：
9. 安裝Pytorch
先到pytorch官網根據你的實際情況選擇Pytorch安裝包版本，然后復制頁面自動生成的腳本進行安裝。
使用以下命令安裝pytorch，這里比官網的命令少了一個-c pytorch，主要是因為-c pytorch表示指定使用moren默認的pytorch channel，這個服務器位於國外，下載速度很慢，使用剛剛添加進default channel的清華鏡像源可以得到一個較快的下載速度。
conda install pytorch torchvision cudatoolkit=10.2
安裝完成之后，在pyttorch_gpu環境下使用下面幾條條命令驗證是否可以調用CUDA：
python
import torch
torch.cuda.is_available()
成功的結果如下圖所示：
10. 安裝pycharm並配置環境
下載pycharm-community版本安裝好之后，創建項目並配置pycharm解釋器，首先點擊create new project，location為文件存儲位置，project interpreter為解釋器，也就是Anaconda中的python.exe。這里選擇C:\Users\xiaoy\Anaconda3\envs\pytorch_gpu路徑下的python解釋器。配置好后點擊create即可完成。具體情況如下：
三、包管理的各種命令
1. 查看該環境中包和其版本的列表
會看到你在當前環境中已經安裝好的所有包和其版本：
conda list
2. 查找一個包
檢查我們需要的這個包是否可以通過conda來安裝：
conda search beautifulsoup4
3. 安裝一個新包
在當前環境(pytorch_gpu)中安裝這個Beautiful Soup包，使用conda命令如下：
conda install --name pytorch_gpu beautifulsoup4
4. pip安裝包
activate pytorch_gpu
pip install beautifulsoup4
5. 移除包，比如，移除pytorch_gpu環境下的beautifulsoup4
conda remove -n pytorch_gpu beautifulsoup4
四、安裝中出現的問題
1. import torch時報錯 ,Microsoft Visual C++ Redistributable is not installed, this may lead to the DLL load failure.
需要下載這個可執行程序vc_redist.x64.exe，之后安裝即可。
reference：
查看GPU是否支持CUDAhttps://zhuanlan.zhihu.com/p/37086409
Anaconda環境安裝GPU版本Pytorch程https://blog.csdn.net/baidu_26646129/article/details/88380598
PyTorch（GPU版）詳細安裝教程https://www.bilibili.com/video/BV1Rz411e7eJ?from=search&seid=5212425445242088592
cuda與cudnn的關系https://www.jianshu.com/p/622f47f94784，https://www.cnblogs.com/anai/p/12838668.html
cuda和cudnn版本對應關系https://developer.nvidia.com/rdp/cudnn-archive#a-collapse742-10
配置pycharmhttps://www.cnblogs.com/yufeng97/p/13069247.html?utm_source=tuicool
Python入門：Anaconda和Pycharm的安裝和配置https://www.cnblogs.com/yuxuefeng/articles/9235431.html
import torch錯誤https://stackoverflow.com/questions/63212096/when-importing-pytorch-microsoft-visual-c-redistributable-is-not-installed