背景介绍
Anoconda
在Windows安装包的过程中，特别比如sql server这些包，稍有不慎很容易出错，一出错就是debug的时间，真是一壶茶、一包烟、一个bug过一天。在学习Python过程中，也经常遇到包管理不善、python版本不兼容的问题。很有幸，Anoconda真是解决了这个问题。真的是太牛逼了。下面我们看下他的官方介绍吧：
With over 20 million users worldwide, the open-source Individual Edition (Distribution) is the easiest way to perform Python/R data science and machine learning on a single machine. Developed for solo practitioners, it is the toolkit that equips you to work with thousands of open-source packages and libraries.
Pytorch
An open source machine learning framework that accelerates the path from research prototyping to production deployment.
现在学术界不断从TensorFlow转向Pytorch，所以知道Pytorch的重要性了吧（主要是TensorFlow是的API锤子难用）。这几年的热度也是不断上涨，以后可是小甜甜。
CUDA
CUDA(Compute Unified Device Architecture),是显卡厂商N卡推出的运算平台。CUDA 是一种由NVIDIA 推出的通用并行计算架构，该架构使GPU能够解决复杂的计算问题。
目前来说，只有英伟达公司使用cuda暴露了英伟达开发GPU的编程接口，这个也是很多博客上提及到GPU与CPU转换的原因。CUDA可以并行计算和GPU与CPU的混合是其两大特色。
部署深度学习环境
安装CUDA
我们根据自己的显卡选择相应对CUDA版本，在此处查看显卡是否支持CUDA
查看CUDA的合适版本（注：CUDA10.0之后不需要再配置环境变量也开始使用nvidia-smi命令）
发现支持CUDA后，进入页面下载即可（之前选择的为11.2，后面就GG了。个人踩坑踩了很久，后面又重新删除了NVIDIA的全部程序，选择了比较低版本的CUDA10.2，最后成功。）
博主个人环境
Win10 VS2017 GTX 1050ti
下载CUDA成功之后，进入安装的界面：
但是很不幸，第一次使用全部安装没有成功，出现Visual Studio Integration安装失败。
安装界面不勾选Visual Studio Integration选项
然后按照该网页步骤实践：点击打开
安装Anoconda3
傻瓜式安装，点击确定就行。如果不想配置环境变量，可以安装过程直接勾选全部选项。下载地址
安装CuDNN 和 Pytorch
在安装Anaconda之后，操作就变的容易了很多，主要使用conda命令安装即可。
打开Anaconda Prompt命令行
先使用Anaconda Prompt 创建一个个人虚拟环境
conda create -n yourname jupyter notebook创建一个名字为yourname的虚拟环境。在这个虚拟环境中安装 jupyter notebook第三方库。yourname这里是指代，可以自主命名。
之后出现
Proceed ([y]/n)?输入y即可继续安装。
安装成功之后，可以通过指令conda info -e查看是否成功
成功如下：
安装成功后，使用activate 命令激活 即可 yourname
激活成功后，就可以安装cuDNN和GPU版本的Pytorch了。
在yourname安装 cuDNN
conda install cudnn安装成功cudnn之后，安装Pytorch，打开官方网站，查找相关的命令，比如CUDA10.2 python 3.9 Stable Windows conda
注意，尽量下载 CUDA中存在的Pytorch的，比如CUDA10.2 或 CUDA 11.1。不然很容易出现错误。
然后按照官网给出的测试，进行测试，判定CUDA是否可用。
按照命令步骤即可，整理了一天，终于成功了，哈哈哈。
如果torch.cuda.is_available()为False。
两种解决办法：
- 重启，这个最牛逼，懂得都懂
- 给CUDA降级
