今天弄了整整半天的gpu+pytorch的配置，看了无数的教程，踩了无数的坑，终于自己摸索出一套cuda/gpu+pytorch的方法，绝对有效！
本贴针对win10！
真正从零搭建！
解决所有下载网速慢，找不到包等的一切不爽的问题！！
废话不表，直接上教程！（括号里会列出一些遇到的坑，可跳过）
一、 安装软件：
第一步，首先安装cuda的cudatoolkit（当然你现在有anaconda也没关系，但是要注意一点，后面会提）【cuda是运行在nvidia的gpu上的针对并行计算的平台，极大加速深度学习运算；而cudatoolkit是针对此平台的工具包（链），没有它不行】。cudatoolkit也是cuda的驱动。
网址：https://developer.nvidia.com/cuda-downloads 安装版本要慎重选择！
怎么知道自己当前装什么版本呢？
打开 控制面板->NVIDIA控制面板->帮助->系统信息->组件->NVCUDA.DLL 一栏后面的数字，我是9.2.189，是CUDA的驱动号。
根据需要在上述网址上选择对应的cudatoolkit下载。这里还是下载9.2的版本。如果想升级驱动，可以选择更高的版本。
选local。
下载完得到一个exe，运行。
这个是临时的，存在哪都没关系。
根据自身需要选择安装方式。（网上其他教程大多推荐自定义安装，但其实还要配路径选择安装的文件，而精简其实就是全部安装的意思，自动安装在c盘。由于我有vs2017，选择精简也无所谓。我选的是精简。如果你没有vs，那就选自定义。记住你的自己选的文件夹！！）
中间可能有些“脚本错误”，还会跳出个日语提示界面（貌似说的是页面空白）？？统统选是，继续运行就好了。
安装完成后（有些人还配完路径后），如何检验自己装上了呢？打开命令行，输入
nvcc -V出现
版权以及版本提示信息，就算好了。
还有一个重要的步骤！以防忘记，提前设置。同样在NVIDIA控制面板，首选图形处理器，本来是“自动选择”，改为“高性能NVIDIA处理器”。否则最后可能会报错。
至此，第一步 完成！第二步，安装cudnn【这是运算神经网络的工具，也不可或缺】。
网址：https://developer.nvidia.com/rdp/form/cudnn-download-survey 要注册什么的，然后挑与自己电脑型号和cudatoolkit匹配的cudnn下载！（据说也有右键复制链接地址下载的，但我试了，显示服务器无权下载什么的，失败了。注册一下问题也不大。）
下载解压完，是这样的：
把里面所有文件复制（可以不复制那个txt），粘贴到原来你安装cudatoolkit的文件夹内，进行内容补充。
如果是默认路径：
里面的文件夹会被更新。
同样，如何测试是否安装成功呢？
选择里面extras文件夹，进demo_suite，在命令行下运行这两个程序：
若两个都返回result=pass，说明安装成功！
现在 第二步 完成！
第三步：安装 anaconda。有些人会觉得奇怪，为什么这里才安装anaconda呢？原来就安装着不行吗？解释一下，这就是我的血泪史。
在安装pytorch前，我已经安装过tensorflow的gpu版本，如果tensorflow-gpu是最新版的话，安装过程中会自动下载cudatoolkit的高版本，如10.0+版本，而我的显卡是带不动这个的。我寻求降版本，但失败了，会一直加载不出来。这也就引发我寻求另一种方式下载pytorch。
但如果你目前没有装过cudatoolkit，或你的cudatoolkit版本和你的gpu版本对的上的话，就没事了（通过conda list检查）。否则，请 卸载或者用conda 重新建一个环境，不包含cudatoolkit！后面我还会讲怎么装的。
anaconda的安装就不说了，就普通安装。注意添加清华源，添加系统/用户路径。
【可选】安装完后看看conda是不是最新版，不是的话升级一下，在命令行输入
conda update conda当然不更新也没事，反正我是更新了。这一步做不做问题应该不大。
第三步 完成！
至此，准备工作都已完成，下面安装包pytorch，torchvision，cuda92。
二、安装包：
结论先行，理由在后：
【结论】
上https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/win-64/ 下载你所需要的两/三个.tar.bz2压缩包。如果cuda是以下五个版本之一，则需要下载下列对应的压缩包。如果是10.0以上的，则不需要。
和
和
第一个cuda，根据数字选版本。比如9.2就是cuda92，10.0就是cuda100.
第二个选pytorch的版本，注意有“cpu”字样的都不要下（你是去配gpu的）！根据自己的python版本和cuda版本下。cuda80，90，91，100的版本在前面，当然pytorch的版本就没这么高了。
第三个选torchvision的版本（如果你需要torchvision的话）。注意和pytorch的版本搭配！比如torchvision0.5.0必须有pytorch1.4.0，否则是装不上的。其余同理。下载完三个压缩包后，直接用conda安装！！（我本来对.tar.bz2格式的文件摸不着头脑，看了一篇教程才知道可以直接安装）
命令行输入：
conda install <你的.tar.bz2的绝对路径>
如(保险起见，按以下顺序）：
conda install --use-local F:\Software\cuda92-1.0-0.tar.bz2
conda install --use-local F:\Software\pytorch-1.4.0-py3.7_cuda92_cudnn7_0.tar.bz2
conda install --use-local F:\Software\torchvision-0.5.0-py37_cu92.tar.bz2安装成功后提示类似如下：
命令行输入python，回车，进入python，运行一下程序：
import torch
import torchvision
torch.cuda.is_available()如果只返回一个True，那么就成功了！
如果有错误
from typing_extensions import Final
ModuleNotFoundError: No module named ‘typing_extensions’
说明没有typing_extensions的包。安装此包
pip install typing_extensions还可以试试
x=torch.rand(3,2)
y=torch.ones(3,2)
x=x.cuda()
y=y.cuda()
print(x+y)于是就出现了文章开头程序运行的一幕。最后一行多出来的cuda：0表明这个结果储存在GPU上。
至此，所有安装和配置完毕，你可以尽情用gpu进行深度学习了！
【理由】接下来是理由部分，详述坑。
很多教程都是去官网上下载pytorch、torchvision。然而即使你删去命令后面的 -c pytorch -c default -c numba/label/dev，即使你加了清华源，依旧会得到找不到包的错误。我猜是目前对cudatoolkit9.2支持不够友好了。包括如果你打算在anaconda navigator 里面安装cudatoolkit，你会发现后面的版本看似是9，安装完其实是10.2+，吐血（别问我怎么知道的，这就是坑！）。
当然，你可以用anaconda search cudatoolkit去找包下载，但是你会发现在你要下载某一个包的时候，channel仍是外网，不是清华源。那速度，谁用谁酸爽……同样，你要是嫌麻烦也可以直接一条语句
conda install pytorch torchvision cudatoolkit=9.2 -c pytorch -c defaults -c numba/label/dev 来安装。当然这里轻松了，你就要做好下载个一年半载的准备，并且中途极有可能直接卡住，超时请求失效（亲测挂vpn外网也不行）。
以上的步骤都是针对cuda驱动9.2来进行的，感觉确实不怎么友好。不知道10.1会怎样，或许可以直接一条语句在清华源上安装，但我这方法一定还是有效的。
