（本人最终安装的版本：cuda11.6,cudnn8.4.0,torch1.12.0,torchvision0.13.0,torchaudio0.12.0)
安装配置anaconda后（前一章），该配置pytorch
一、安装cuda
先安装conda cuda ，去官网https://developer.nvidia.com/cuda-toolkit-archive ，下载对应版本的CUDA。（先查看电脑中的支持的cuda版本，再选择比该版本低的进行下载）我下载的是cuda11.6
安装cuda时，第一次会让设置临时解压目录，第二次会让设置安装目录；
临时解压路径，建议默认即可，也可以自定义。安装结束后，临时解压文件夹会自动删除；注意：临时解压目录千万不要和cuda的安装路径设置成一样的，否则安装结束，会找不到安装目录的！！！
因为电脑里没有VS，所以在后面会提示把VS取消勾选。
安装位置就最好不要修改，选择默认位置，否则就会发下下载完后cuda会在你的下载路径里消失。
检查是否安装完成：nvcc -V
安装完成后，配置cuda的环境变量；
需要四条，前两条会自动配好，后两个变量没有自动生成，没有生成的手动添加就行。
NVCUDASAMPLES_ROOT
NVCUDASAMPLES11_0_ROOT
运行cmd，输入nvcc --version 即可查看版本号；
set cuda，可以查看 CUDA 设置的环境变量。
二、安装cudnn
下载链接cuDNN Archive | NVIDIA Developer
选择合适的版本，
需要创建NVIDIA账户，按流程完成即可。
下载之后，解压缩，将压缩包里面的bin、clude、lib文件直接复制到CUDA的安装目录下，直接覆盖安装。（其实就是替换）
到这里，cudnn安装完成！
有了之后，直接用conda创建虚拟环境
cuda create -n pp python=3.7
激活当前环境
activate pp
三、配置conda镜像源
由于pytorch文件较大，且conda原始下载渠道较为不稳定，因此需要使用其他镜像源进行pytroch的下载及安装，本次使用为清华镜像源。
执行：
conda config --set show_channel_urls yes会在下面的目录中生成一个.condarc文件。打开该文件，将里面的内容替换成：
channels:
- http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/win-64/
- defaults
show_channel_urls: true
default_channels:
- http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
- http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r
- http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2
custom_channels:
conda-forge: https//mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
msys2: http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
bioconda: http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
menpo: http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
pytorch: http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
pytorch-lts: http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
simpleitk: http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
remote_read_timeout_secs: 1000.0
ssl_verify: false
运行 conda clean -i 清除索引缓存，保证用的是镜像站提供的索引。
四、安装pytorch
方法一：
在pythorch官网中PyTorch选择合适的版本，复制最下方的代码，粘贴到cmd中，如果不成功，尝试将-c pytorch去掉。
大家如果想在自己电脑（具有NVIDIA显卡）上跑通代码，就选CUDA，如果不需要在自己电脑上跑（在服务器上跑）或者没有独立显卡，就选CPU。
运行前将-c pytorch去掉，主要原因是加-c pytorch后还会使用默认的conda镜像源而不是清华镜像源。
conda install pytorch torchvision torchaudio pytorch-cuda=11.6 -c nvidia
运行后，将会安装pytorch相关依赖，由于文件比较大，需要一定的时间。所以最好选择第二种方法。
方法二：
(如果下载特别慢，可以去torch镜像源直接下载安装包，效果一样）
下面这个链接是torch和torchvision的对应关系查询，这俩的版本和python版本、cuda版本都必须对应好。https://github.com/pytorch/vision#installation。具体如下：
也可以通过Previous PyTorch Versions | PyTorch查看torch、torchaudio和torchvision对应版本。
1、我的cuda是11.6，python3.7，win系统，所以选择如下版本。
2、在上一步选择了torch1.12.0版本后，在https://github.com/pytorch/vision#installation 中找到对应的torchvision版本，即0.13.0。然后在https://download.pytorch.org/whl/torch_stable.html中下载。
通过Previous PyTorch Versions | PyTorch 查看对应的torchaudio版本。即0.12.0
然后在https://download.pytorch.org/whl/torch_stable.html中下载三个文件
下载完毕后，打开cmd，在需要的虚拟环境中，切换到这三个whl文件的目录下，执行pip install 文件名。安装三个文件。
pip install三个个文件后，输入pip list查看。
测试是否安装完成：
import torch
print(torch.__version__) #显示版本
print(torch.cuda.is_available()) #
若输入版本号，且为true，即为成功。
！！踩坑！如果torch.cuda.is_available()返回false
如果你遇到这个问题，不用担心你的步骤是不是错了，因为你被conda镜像安装给坑了。你以为下载的是GPU版本，其实镜像下载的是cpu版本，你必须手动去官网用pip下载安装。
1、先查看cuda\cudnn版本是否都对。
执行nvcc --version
是cuda11.6版本。
2、查看该虚拟环境下安装的pytorch\torchvision版本是否对应cuda11.6。
显然，出了问题。
能看到，安装的torch是cpu版本。
如果你的CUDA，cuDNN版本都对，只有Pytorch安装成了CPU的，那么先对它进行卸载，然后再安装。
卸载方法：删除该虚拟环境的lib->site-packages中的torch、torchaudio和torchvision的六个文件，
再重新安装正确的torch及torch vision。
五、！！！如果没有cuda，用cpu下载。
！！！激活虚拟环境，但尝试失败，出现了如下问题：
Solving environment: failed wit。h initial frozen solve. Retrying with flexible solve.
查了半天解决办法，无法解决 后来才发现 ，本电脑中没有英伟达显卡，相当于GPU作废 不能用GPU学深度学习。好吧 ，那只能从GPU转到CPU咯。
好的 ，重新回到创建虚拟环境那一步。我创建的环境是python37，查看如下：
激活虚拟环境
在官网中找到和所需匹配的pytorch版本，可以点下方查看更多版本，
复制所需版本的代码段，下面是我所需的。
pip install torch==1.8.0+cpu torchvision==0.9.0+cpu torchaudio==0.8.0 -f https://download.pytorch.org/whl/torch_stable.html
（或者通过 https://download.pytorch.org/whl/torch_stable.html 找到合适的whl下载）
下载完毕后，在当前python37环境下，查看torch是否安装成功
