本篇是针对DataWhale组队学习项目——深入浅出PyTorch而整理的学习笔记。由于水平实在有限，不免产生谬误，欢迎读者多多批评指正。
安装PyTorch
安装Anaconda
这里为了避免手动安装Python及数据科学相关的众多的package，我们直接安装Anaconda，在此基础上再安装Pytorch。
官网直接下载安装即可，地址https://www.anaconda.com/products/distribution
创建虚拟环境
为了不与未来安装的其他版本的Python及package发生冲突，我们单独为PyTorch创建一个Anaconda中的虚拟环境。
win用户可以在Anaconda Prompt中利用指令进行创建和后续操作，详见DW教程https://datawhalechina.github.io/thorough-pytorch/index.html
在这里我直接利用图形界面的选项进行操作了，也很简单，点击Environments-Create，按要求进行创建即可
由于外网速度限制，我们通常给conda换第三方镜像源，比如清华源等。需要修改C:\Users\User_name.condarc文件，换成以下内容：
channels:
- defaults
show_channel_urls: true
default_channels:
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2
custom_channels:
conda-forge: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
msys2: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
bioconda: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
menpo: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
pytorch: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
simpleitk: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
具体操作可以参考https://mirror.tuna.tsinghua.edu.cn/help/anaconda/
如果弄不成，也可以在每次conda install时指定来源
安装PyTorch
首先在cmd命令行中利用nvidia-smi查看自己显卡的型号，然后对应下表找到合适的CUDA版本
然后在PyTorch官网（https://pytorch.org/）上选择自己需要的版本，会自动生成一个conda指令，可以粘贴到新创建的虚拟环境的terminal中执行来完成安装
同样，虚拟环境可以用conda activate env_name指令激活并进入，也可以直接在图形界面中相应虚拟环境中open terminal
安装其他需要的package
同样在对应的虚拟环境中可以安装cuda及cudnn等包，注意版本要搞对
conda install cudatoolkit==版本号
conda install cudnn==版本号
（未完待续）
参考资料：
- https://datawhalechina.github.io/thorough-pytorch/index.html DataWhale——深入浅出PyTorch
- https://mirror.tuna.tsinghua.edu.cn/help/anaconda/ Anaconda镜像使用帮助