安装Anaconda
官网http://www.anaconda.com/
选择Free Download，点击Download，可以下载最新版本(推荐)，我这里下载的是Anaconda3-2023.09-0-Windows-x86_64。
在https://repo.anaconda.com/archive/中可以下载到历史版本
右键以管理员身份运行开始安装
安装路径最好全英文
如何确定anaconda是否安装好呢，就去开始菜单中找到anaconda的图形化界面，双击，进入environment，如果看到有base这个环境就说明anaconda安装成功了。
安装完anaconda会有两个命令行窗口，Anaconda Power Shell和Anaconda Prompt，其中Power Shell主要是windows为那些开发者提供的一个更强大的命令行窗口，这两个使用起来其实没有什么太大的区别
创建虚拟环境
利用conda create指令创建新的虚拟环境（环境名称比如叫hand）
conda create -n 虚拟环境名称 python=版本
conda create -n hand python=3.11(python的版本建议大家选择3.6以上的版本。另外python解释器的版本必须在创建虚拟环境的时候就给它指定，因为有一些包，比如说pytorch的包，在安装的时候会自动检测虚拟环境当中是哪个python版本，不同的版本会安装不同的包，所以大家得先在创建虚拟环境的过程中就得指定python的版本)
输入指令查看虚拟环境
conda env list
输入命令激活（进入）创建好的虚拟环境
conda activate
退出环境
conda deactivate
删除虚拟环境：conda remove -n 虚拟环境名称 --all
conda remove -n hand --all
如果创建环境、下载包失败，可以添加镜像加速
conda create -n 虚拟环境名称 python=版本 -c 镜像地址
清华镜像：https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
北京外国语大学镜像：https://mirrors.bfsu.edu.cn/anaconda/pkgs/main
阿里巴巴镜像：http://mirrors.aliyun.com/anaconda/pkgs/main
持久添加通道：conda config --add channels 通道地址
删除通道：conda config --remove channels 通道地址
如果还是失败，可以直接使用base环境
如何更改环境和包的安装地址到D盘
anaconda默认是将环境和包都安装在c盘的，但是c盘空间实在有限，如何更改环境的配置路径呢？（如果你c盘空间很充裕可以忽略这部分内容）
1.查看conda信息
conda config --show
输入Dconda config --add envs_dirs D:\Anaconda\anzhuang\envs（此处路径为你anaconda安装路径下的envs文件夹）
如果上面的命令无法成功，你也可以在.condarc这个配置文件里修改，将envs_dirs:和pkgs_dirs:后的内容改成你的目标路径
将目标路径的文件夹的权限全勾选
再创建一个环境试试，可以看到此时的安装路径已经改成D盘了，这时我们输入y回车安装即可。
GPU与CUDA准备工作
我们先来简单介绍一下显卡、显卡驱动（和cuda driver version）、CUDA Runtime Version之间的作用和关系。
显卡是一个硬件，硬件无法直接被计算机识别出来，所以需要有一个对应的驱动，那有了驱动就可以识别这个显卡；
而在安装驱动的时候，也会一起安装一个叫做cuda的一个东西(更明确的叫法是cuda drive)，这个cuda是可以让显卡进行并行运算的平台（可以把它理解为一个软件），当我们的电脑想利用显卡进行一些并行运算的时候，就可以通过cuda drive去操作这个显卡；
但对于pytorch或者其他软件来说，还需要有一个叫做cuda runtime的东西，通过cuda runtime才能去调用cuda drive，进而才能调用显卡进行一些深度学习的加速运算。
所以我们看到这三者的关系是紧密联系的，所以我们在安装的时候要考虑它们的版本匹配问题。
显卡驱动（cuda driver version）是非常重要的一个枢纽，它可以直接控制我们的硬件显卡，所以大家可以想到，当我们使用CUDA Runtime调用显卡驱动时，这个版本应该最好比cuda drive要低会好一点。
那显卡驱动和硬件显卡之间的关系呢？我们衡量一个硬件一般就是衡量它的架构或者是它的一个核心数，但其实还有一个更抽象更统一的衡量指标——算力，所以我们这个显卡驱动要能够支持我们硬件显卡的算力。
安装pytorch
确定自己的显卡型号
建议大家可以更新显卡驱动为支持的最高版本，因为这样可以更充分的利用你电脑上的GPU，也能避免在后续可能会出现的一些问题。当然如果你不想更新显卡驱动也完全没问题，只要保证你的电脑中有显卡驱动就可以跳过安装显卡驱动的环节。
随便打开一个命令行窗口，输入nvidia-smi查看驱动版本，cuda driver version为11.6
nvidia-smi
由于我的驱动版本不是最高的，我顺便在这时候更新一下驱动
进入NVIDIA GeForce 驱动程序 - N 卡驱动 | NVIDIA，点击右上角“驱动程序”选择对应选项后点“搜索”
下载完成后直接打开文件进行安装
注意！不要更改安装路径！直接OK下一步，然后等待安装
全部默认就可以
等待安装完成......
安装完成后再随便打开一个命令行窗口，输入nvidia-smi查看驱动版本，此处我的驱动版本为12.3
nvidia-smi
在谷歌浏览器里搜索https://en.wikipedia.org/wiki/CUDA#GPUs_supported，找到自己显卡对应的算力，此处我的显卡算力为8.6。
在同一个页面找到自己对应的CUDA Runtime版本（CUDA SDK 包含了 CUDA Runtime），我这里确定了自己的CUDA Runtime版本在12.0-12.3之间
然后我们打开pytorch官网pytorch - 搜索，找到对应CUDA（CUDA Runtime）版本后复制命令行。如果你要下载旧的CUDA版本也可以点击下面的入口Previous PyTorch Versions | PyTorch.在这里你可以找到旧版本的下载命令。（有时用conda下载方式会失败，那么你可以使用pip下载方式或者添加国内镜像源通道。）
打开anaconda命令行窗口输入复制的命令后回车，我们可以解析一下这条指令，其中“pytorch”是pytorch的核心包，其中集成了pytorch的核心功能；“torchvision”是提供给图像处理的包，里面会有一些可以对图片处理的一些工具，torchaudio是pytorch提供给语言处理的包；而pytorch-cuda就是pytorch用来调用gpu驱动的cuda工具(里面包括了CUDA Runtime)，12.1便是安装的版本。
但是此处我没有安装成功，所以我用了pip的下载方式，pip方式和cuda方式一样，去pytorch官网复制命令后在命令行窗口回车即可
可以看到用pip就下载好了torch、torchvision、torchaudio三个包了
接下来我们再安装pytorch-cuda=12.1，在命令行输入conda install pytorch-cuda=12.1 -c pytorch -c nvidia后回车
conda install pytorch-cuda=12.1 -c pytorch -c nvidia
下载完成后输入cunda list，查看GPU版本的pytorch（版本号里带cu）是否安装成功
cunda list
验证PyTorch
1.激活对应的虚拟环境（安装Pytorch的虚拟环境），conda activate 虚拟环境名
conda activate hand2.输入python后回车
3.然后输入：
import torch # 如果pytorch安装成功即可导入
print(torch.cuda.is_available()) # 查看CUDA是否可用
print(torch.cuda.device_count()) # 查看可用的CUDA数量
print(torch.version.cuda) # 查看CUDA的版本号如果 print(torch.cuda.is_available())后显示true即为可用
