整理gpu加速的深度学习框架pytorch的安装过程。
0，资源整理
1，百度网盘完整版资源（包括：visual strudio+显卡驱动+cuda+cudnn+pytorch==0.4.1的.whl安装包，我安装的就是这一套，现将这些资源整理出来）
链接：https://pan.baidu.com/s/1Wuyhm6r8sh9-KloeMq4dDA
提取码：akj7
2，各资源来源：
visual studio(2017社区版就可以，2015/2013没有试过)
pytorch安装包（注意对应的cuda版本和对应的操作系统）
显卡驱动下载
CUDA（这个要与pytorch安装包相配）
CUDNN（这个要与CUDA相配）
3，参考博客：
参考1：解决pytorch官网下载慢ubuntu16.04+anaconda3(python3.6)+pytorch0.4.1+cuda9.0+cudnn7.1安装指南（关键要知道0.4.1对应的cuda和cudnn版本）
参考2：【PyTorch】windows10 + CUDA 9.1 + cuDNN v7.0.5 + PyTorch 0.4.1（关键要知道0.4.1对应的cuda和cudnn版本）
参考3：新电脑重新安装win10+python3.6+anaconda+tensorflow1.12（gpu版）（关键要学习cuda、cudnn的安装及环境变量的配置）
参考4：Windows下安装PyTorch0.4.0（几个在线pip下载.whl安装命令，但是不用VPN基本都卡死了）
4，可以直接用百度网盘的压缩包，所有安装包都是齐全的；也可以自己从各个网站自己下载
1，安装最新版的显卡驱动
1，将所有带NVIDIA的驱动全删了
2，使用与自己显卡匹配的驱动安装包，安装最新版的驱动
2，安装visual studio
使用community版本就可以，我这里用的2017社区版成功了，安装过程中不要改路径，不要改配置，全部默认配置安装下来就行。安装过程要联网。
3，安装cuda
选择自己需要的版本->选择自己的操作系统->选择exe(local)安装->将Base Installer和所有Patch都下载下来->按顺序全部安装一遍，安装过程不要改路径，全部选择精简安装（其实也就是默认安装）
如果从百度网盘下载的，直接按顺序安装一遍就行了
4，安装cudnn，配置环境变量
1，选择对应cuda版本同时满足自己所需要版本的cudnn，下载下来，解压缩（第一次下载要加入一个什么计划，申请个账号就行了）
2，将解压缩后的三个文件夹复制到安装CUDA9.0的路径覆盖原有的文件。本机的安装路径为：C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0，直接复制粘贴过来就行。
3，配置环境变量。桌面时右键“此电脑”，选择“属性”打开系统窗口，然后选择并打开“高级系统设置”进入系统属性窗口，打开环境变量，然后将
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\bin，
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\include，
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\lib\x64，
这三个路径填到系统变量的Path中，这样环境变量就配置好了。
5，安装pytorch
1，下载安装包。因为我是使用pip安装，并且cuda为9.0，因此点击对应链接
根据对应python版本和操作系统下载安装包，比如我要下载torch0.4.1，环境为python3.6，windows64位，就下载torch-0.4.1-cp36-cp36m-win_amd64.whl。下载速度快的时候很快，慢的时候很慢，也不知道为啥。
2，pip离线安装
cmd输入命令：pip install ...（安装包保存路径）\torch-0.4.1-cp36-cp36m-win_amd64.whl
6，安装torchvision
直接pip在线安装，可以配置一下镜像加速。pytorch0.4.1对应torchvision0.2.1
pip install torchvision==0.2.1