试了很多个，没有一个是成功，终于找到这两篇，安装Tensorflow-gpu/pytorch，按照步骤安装成功，拷贝过来备份一下，方便以后查找参考。（我安装 Tensorflow-gpu / pytorch 的过程没有创建虚拟环境，直接安装的）
·清华镜像「https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/linux-64/」
·离线安装pytorch「https://download.pytorch.org/whl/torch_stable.html」（把需要的Pytorch资源」下载到本地，从本地安装:打开下载后的指定目录，进行pip本地安装,,,pip install 待安装包名.whl）
我的笔记本电脑是：win10 64位系统，显卡是：NVIDIA GeForce GTX 1060。（利用驱动精灵也是可以安装NVIDIA驱动，需要注意的是，不一定是系统最合适的）
目录
Win10 64位系统，使用Anaconda安装OpenCV、安装Tensorflow-gpu/pytorch
二、安装Anaconda3-5.20-Windous-x86_64
Win10 64 位Tensorflow-gpu安装（VS2017+CUDA9.2+cuDNN7.1.4+python3.6.5）
win10下使用anaconda安装pytorch和torchvision
【我不是知识的创建者，我是一只勤劳的小蜜蜂，知识的搬运工。】
安装顺序
一、安装VS2017/VS2015
选VS2015 update3 工具集
二、安装Anaconda3-5.20-Windous-x86_64
Anaconda下载地址：
https://www.anaconda.com/products/individual#
Anaconda历史版本下载地址：
https://repo.anaconda.com/archive/
Anaconda清华镜像源：
https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/?C=M&O=D
cmd—>python 出现prthon 版本号表示安装成功： exit() 退出python。
打开命令提示符（cmd），输入：conda --version，出现anaconda版本信息。输入：conda info --envs，出现安装的环境。
三、安装CUDA
特别要注意：安装的CUDA版本与显卡的算力要匹配，不然就是白忙活力！！！！
查看NVIDIA显卡对应的算力：https://developer.nvidia.com/zh-cn/cuda-gpus#compute
在安装CUDA之前，需查看自己电脑适合安装哪个版本的CUDA，方法如下：
1、查看电脑NVIDIA适合的CUDA版本：
打开NVIDIA控制面板
点击帮助–>系统信息
弹出“系统信息”对话框，找到“组件”–>“NVCUDA.DLL”项，查看到本机适合安装CUDA版本。
然后去官网选择相对应的CUDA版本和cuDNN版本下载。
2、官网下载相应的CUDA包
CUDA官网：https://developer.nvidia.com/cuda-downloads
这里选择的是exe（local）下载方式。
进入官网后，点击下图所示的DOWNLOADS后，会切换到另一个页面，然后点击“Download Now”如下两图所示
然后根据自己电脑的配置去选择对应的CUDA版本（如果这里没有你电脑相对应的CUDA版本的话，那就去https://developer.nvidia.com/cuda-toolkit-archive这里下载）
3、下载对应的cudnn版本包（需要注册登录）
官方网址：https://developer.nvidia.com/cuda-downloads
cudnn与cuda对应的版本关系：
查看CUDA版本，cmd—>nvcc -V ；
下载prthon并安装：cmd—>conda create -n tensorflow python=3.6 ；
查看安装了哪些库：conda list ；
激活tensorfolw环境：ctivate tensorfltw ；
查看tensorfolw环境是否安装成功：cmd—>conda info --envs ；
四、安装cUDNN
cUDNN下载地址：https://developer.nvidia.com/rdp/cudnn-download
五、安装tensorfllow
cmd —>activate tensorflow —>pip install C:\ Edisk\tensorflow _gpu-1.9.0-cp36-cp36m-win_am64.whl (下载到本地后的tensorflow文件路径)
安装成的后，测试tensorflow 是否真的安装成功：
cmd—>activate tensorflow —>python —>import tesorflow as tf ，，，没报错则安装成功。
Win10 64 位Tensorflow-gpu安装（VS2017+CUDA9.2+cuDNN7.1.4+python3.6.5）
Tensorflow 入门系列的第一篇，Tensorflow-gpu的下载与安装。CSDN上能搜到很多学习资料，对初学者非常有帮助。刚安装了目前最新版本的Tensorflow，当然也碰到不少坑，这篇文章详细记录了安装过程，以供参考。
一 本机配置
- Win10 64bit (版本1803)
- AMD Ryzen 5 2400G with Radeon Vega Graphics
- NVIDIA GeForce GTX 1060
二 文件下载
- VS2017 官网社区版
- CUDA9.2 官网下载地址
- cuDNN7.1 官网下载地址（需要注册）
- Anacoda5.2 官网下载地址
- Python3.6.5 官网下载地址
三 安装过程
-
VS2017
选择自己想要安装的工作负载，也可以随便选，有需要的时候再修改安装。
详细安装步骤不再赘述，一路默认。
-
安装CUDA9.2
选择相对应的版本下载，在线安装版1.5GB，离线安装版14.5MB，先安装基础包，再安装升级补丁。
使用管理员权限安装，一路默认。
安装完成之后打开命令行，输入：nvcc -V查看CUDA版本，如果出现以下类似信息表示安装成功。
安装成功后，我的电脑上点右键，打开属性->高级系统设置->环境变量，可以看到系统中多了CUDA_PATH和CUDA_PATH_V9_2两个环境变量。
我们还需要添加如下几个变量：
在用户变量Path下添加：C:\ProgramData\NVIDIA GPU Computing Toolkit\v9.2
在系统变量中添加如下几个变量：
- CUDA_SDK_PATH = C:\ProgramData\NVIDIACorporation\CUDA Samples\v9.2
- CUDA_LIB_PATH = %CUDA_PATH%\lib\x64
- CUDA_BIN_PATH = %CUDA_PATH%\bin
- CUDA_SDK_BIN_PATH = %CUDA_SDK_PATH%\bin\win64
- CUDA_SDK_LIB_PATH = %CUDA_SDK_PATH%\common\lib\x64
设置完成之后，我们可以打开命令行来查看。
-
安装对应的cuDNN
选择对应的版本下载，解压cudnn-9.2-windows10-x64-v7.1.zip，将文件夹里的内容拷贝到CUDA的安装目录并覆盖相应的文件夹，CUDA默认安装目录：
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.2
-
安装Anaconda
选择相应的版本下载，这个下载过程有点慢，也可以选择从清华镜像下载，点击Anaconda3-5.2.0-Windows-x86_64.exe安装，注意安装过程中选择“加入到系统PATH环境变量”。
-
安装Python（建议用Anaconda进行安装）
搭建TensorFlow环境，官网下载Python3.6.5安装，安装的时候注意把“Add Python 3.6 to PATH”选项勾选上，这样直接把用户变量添加上了，后续不用再设置环境变量。
此外，Anaconda集成了许多第三方库，也可以从Anaconda自带的Python3.6安装。
管理员模式打开命令行，输入：
conda create –n tensorflow python=3.6 创建tensorflow虚拟环境，下载python并安装。（注：本文博主是创建了虚拟环境安装的。。我在安装的过程没有创建虚拟环境，直接安装，也是可以的。）
安装完成后，输入：conda list 可以查询现在安装了哪些库，如果还有什么包没有安装上，可以运行：conda install ***来进行安装（***为需要安装的包名称）。如果某个包版本不是最新的，运行：conda update ***就可以更新了。
激活TensorFlow，输入命令：activate tensorflow，查看是否成功可以输入：conda info --envs。
-
安装TensorFlow
管理员模式打开命令行，输入命令：pip install tensorflow-gpu，如果选择安装cpu版本，命令：pip install tensorflow。注意，一定不要tensorflow-gpu和tensorflow(cpu版)一起装，因为这样装有个先后顺序问题，先安装tensorflow-gpu再安装tensorflow，gpu版本直接不能用了，你用withtf.device("/gpu":0)，还是不好使，系统只会用cpu版本计算。而且这时候卸掉tensorflow还是不行，会报缺少文件的错误，必须把tensorflow-gpu版的也卸掉，然后重新安装tensorflow-gpu才行。卸载tensorflow，cmd命令行输入：pip uninstall tensorflow，卸载tensorflow-gpu，输入：pip uninstall tensorflow-gpu。
目前tensorflow还不能支持cuda9.2，所以只能通过源码编译或者别人编译好的安装包安装。大神编译的各种版本的tensorflow安装包地址：
https://github.com/fo40225/tensorflow-windows-wheel
下载完成后将tensorflow_gpu-1.8.0-cp36-cp36m-win_amd64.whl
复制到C:\Windows\System32文件夹下，然后执行命令：pip install tensorflow_gpu-1.8.0-cp36-cp36m-win_amd64.whl
（ 本地安装：pip install 【文件 tensorflow_gpu-1.8.0-cp36-cp36m-win_amd64.whl 所在路径】）
-
测试TensorFlow
安装完成后命令行输入：python，进入python编辑环境，然后输入命令：
import tensorflow as tf
安装成功！
win10下使用anaconda安装pytorch和torchvision
一、系统配置以及软件版本
1、操作系统：win10
2、显卡：NVIDIA GeForce GTX 1070Ti
3、cuda_9.0.176_win10
链接：https://pan.baidu.com/s/1f9MowahErE9u60LO1MOcPw
提取码：5k2c
4、cudnn-9.0-windows10-x64-v7.1
链接：https://pan.baidu.com/s/1MGec2JIhAYV9GG0T-4MBnw
提取码：l0ua
5、Anaconda3-4.3.0-Windows-x86_64
链接：https://pan.baidu.com/s/13PA5ZdWWibsQ8acr6SZjow
提取码：kae8
PyTorch官网上会根据你提供的相关版本告知你如何安装相应的pytorch。
二、安装过程
1、安装CUDA和cudnn
如果需要安装GPU版本的，首先安装CUDA，顺序执行安装程序即可，随后安装cudnn，将cudnn解压，对应文件复制到cuda安装文件夹下即可。
2、安装anaconda4.3
安装anaconda4.3，没有什么难度，选择安装自带3.6版本的python。
3、验证是否安装成功
打开命令提示符（cmd），输入：conda --version，出现anaconda版本信息。输入：conda info --envs，出现安装的环境（初始时只有root环境，我的已经安装了TensorFlow和pytorch）。
4、创建pytorch环境
创建pytorch环境，输入：conda create -n pytorch python=3.6，“-n”是“name”的缩写，pytorch是你创建的环境的名称，其实可以自己命名，后面是在环境里安装python，前面anaconda里也装了python，那是在root环境（主环境）安装的。出现你将要安装的包名和版本信息，输入y，继续安装。（注：本文博主是创建了虚拟环境安装的。。我在安装的过程没有创建虚拟环境，直接安装，也是可以的。）
5、验证是否创建成功
创建完成后，出现如下图所示信息，输入：activate pytorch，进入pytorch环境里面，这个时候pytorch环境相当于只是个空的框架，真正的pytorch还没有装上。（输入：deactivate pytorch，退出pytorch环境）
6、如上图所示，在pytorch环境中，输入：conda install pytorch -c pytorch，开始安装pytorch，同样需要输入y，继续安装。
7、安装完成后，输入：python，显示python版本信息，并进入到python里，输入：import torch，没有任何提示则说明安装成功。（我这里在没安装torchversion的情况下，以为安装了pytorch就可以，import torchvision结果提示错误）
8、输入：exit()，退出python，进入到pytorch环境，输入：conda install torchvision -c pytorch，安装torchvision，结果显示没有包。
9、那我们换一种安装方式，输入：pip install torchvision，安装torchvision，会看到安装信息，最后出现“Successfully……”，说明安装成功。然后我们重复步骤7，就显示torch和torchvision都安装成功。
以上就是安装pytorch的全部过程，供大家参考。
附：
现在pytorch已经到1.6了，我之前尝试安装过1.4，但是并不能使用gpu。查询之后发现，是因为cuda版本太低了。现在我把cuda版本，Torch版本，Torchvision版本以及python版本的对应关系做了一个表，仅供大家参考（可能存在一些不当）。
Windows10使用Anaconda安装OpenCV
前提：已安装好anaconda，可以直接去anaconda官网https://www.anaconda.com/download/，下载对应版本，安装即可。注意，安装过程中选择“加入到系统PATH环境变量”。
【注意：我安装的anaconda是默认路径下安装的】
1、安装python-opencv
打开 cmd 终端，输入下面内容：
（1）利用conda进行安装（未必是最新的）：
conda install -c https://conda.anaconda.org/menpo opencv
（2）推荐：利用pip进行安装/更新：
pip install opencv-python
回车即可，中间可能遇到输入y/n，y即可。
pip install opencv-python -i https://pypi.tuna.tsinghua.edu.cn/simple（这个是清华的镜像，有很多库或者插件都可以用这个下载，会快很多）
PS：这里再附一下国内的镜像源，下载成功概率应该会高很多。。。。
清华：https://pypi.tuna.tsinghua.edu.cn/simple
阿里云：http://mirrors.aliyun.com/pypi/simple/
中国科技大学 https://pypi.mirrors.ustc.edu.cn/simple/
华中理工大学：http://pypi.hustunique.com/
山东理工大学：http://pypi.sdutlinux.org/
豆瓣：http://pypi.douban.com/simple/
2、测试是否安装成功
打开终端：cmd ——> python ——> import cv2 ，没报错即安装成功。接着输入：cv2.__version__ 可查看安装的opencv版本。
（四）查看Pytorch是否安装成功解决办法
进入终端：cmd——> python 进入到python环境后，输入以下代码：若运行没报错，输出相应的信息，则表示安装成功
import torch # 如正常则静默
a = torch.Tensor([1.]) # 如正常则静默
a.cuda() # 如正常则返回"tensor([ 1.], device='cuda:0')"
from torch.backends import cudnn # 如正常则静默
cudnn.is_acceptable(a.cuda()) # 如正常则返回 "True"opencv-python下载地址：
Links for opencv-python：https://pypi.tuna.tsinghua.edu.cn/simple/opencv-python/
pip install E:\opencv\opencv_python-3.4.1-cp36-cp36m-win_amd64.whl
卸载命令： 如果已经安装OpenCv2，则需要先卸载 pip uninstall opencv-python 再安装。
最后附上一张利用VS Code测试 pytorch 和 opencv-python 是否安装成功的图片：【运行成功，即安装成功】
以下是测试代码：
import torch
import torchvision
import cv2
# import dlib
# 查看CUDA版本
print("cudaVersion: ",torch.version.cuda)
# 测试CUDA是否可用
print("Support-CUDA ?: ", torch.cuda.is_available())
# 测试CUDNN
from torch.backends import cudnn
print("Support cudnn ?: ", cudnn.is_available())
# 获取pytorch版本号
b = torch.__version__
print("torch.__version__: ", b)
# 查看当前是否支持GPU
device = torch.device('cuda' if torch.cuda.is_available() else 'cpu')
# GPU相关的数据转换
a = torch.Tensor([5])
b = a.to('cuda') # 转成在 GPU 上运行的类型
b = a.cuda() # 同上
c = b.to('cpu') # 转成在 CPU 上运行的类型
c = b.cpu() # 同上
# 查看GPU状态
print("GPU个数:",torch.cuda.device_count()) # 查看可用 GPU 个数
print("GPU ID:",torch.cuda.current_device()) # 查看当前使用的 GPU ID
print("ID为0的CUDA容量:",torch.cuda.get_device_capability(0)) # 查看 ID 为 0 的 CUDA 容量
print("GPU设备名:",torch.cuda.get_device_name(0)) # 查看设备名
# 清空GPU缓存
print(torch.cuda.empty_cache()) # 清空缓存
# 测试CUDNN
# from torch.backends import cudnn
x = torch.tensor([10.0])
print(x)
x = x.cuda()
print(x)
print("Support-cudnn?:", cudnn.is_acceptable(x))
x = torch.rand(5,5)
print(x)
a = torch.zeros(5,3)
print(a)
# Pytorch可视化工具tensorboardX
# Tensorboard的使用,图像变换transform的使用
from tensorboardX import SummaryWriter
writer=SummaryWriter("log")
for i in range(100):
writer.add_scalar("y=x",i,i)
writer.close()
##上面的代码运行结束后，会在当前目录生成一个叫log的文件夹，里面存储了可视化所需要的日志信息。
# 用cmd进入到log文件夹所在的目录中【打开终端输入：d:，ENTER后,
# 再输入：cd D:\MyTest\Python_byVScode】（注意：路劲中不能有中文），
# 然后cmd中输入：tensorboardX --logdir log
# 最后会在cmd中得到一个网址，将这个网址复制输入谷歌浏览器中（其他浏览器好像打不开），会弹出LeNet网络可视化结果。
# from tensorboardX import SummaryWriter
# writer = SummaryWriter('runs/scalar_example')
# for i in range(10):
# writer.add_scalar('quadratic', i**2, global_step=i)
# writer.add_scalar('exponential', 2**i, global_step=i)
# 输出opencv版本号
c = cv2.__version__
# dlib.__version__
print("opencv-version:", c)
img = cv2.imread("D:\\E_data\\MyTest\\Python_byVScode\\001.jpg", 1)
cv2.imshow("1", img)
cv2.waitKey()
运行成功的结果图展示：
【我不是知识的创建者，我是一只勤劳的小蜜蜂，知识的搬运工。】
【17、坚持者能在命运风暴中奋斗。】
