本篇文章主要对 pytorch 环境配置和 IDE 安装进行介绍，话不多说，直接上干货！

pytorch 环境安装

anaconda 包管理

pytorch 环境安装，我们往往会使用 anaconda 进行安装包管理，这里我给出我前几天写的 anaconda 安装的博客，直接 一步一步照着来进行
Anaconda 和 jupyter notebook入门

显卡驱动

深度学习一定会使用显卡，用来进行加速，想要使用计算机上的显卡需要有一下这两个条件

1. 显卡驱动
2. CUDA Toolkit
   因为后者可以根据 pytorch 进行自动安装，所以说我们只需要进行检查 显卡驱动的安装

ctrl+shift+esc 打开任务管理器，查看性能，点击GPU选项，看是否有型号，有的话则说明已经安装

3. 查看 conda 包管理部分，环境管理非常有用 Anaconda 和 jupyter notebook入门

使用conda进行安装包管理

conda create -n pytorch_env python=3.8

4. 进行pytorch 的安装
   进入 pytorch 官网，选择自己需要 pytorch的版本，推荐使用 稳定版，而且是1.3 以上版本

首先，我们查看显卡的版本，可以通过设备管理器查看，也可以通过任务管理器进行查看

进入网站，查看我们的GPU型号进行选择相应的pytorch

倘若我们没有英伟达的显卡，直接选择 CPU 选项；倘若有英伟达的显卡，选择CUDA的一个版本就可以了。

查看NVIDIA 对应的驱动版本，如果不行的话，需要下载一个更新一下，必须大于 390.26（我的电脑太老了，有点难搞）

如果下述命令无法找到，可能是你的 nvidia 没有添加到系统变量，你需要自己找到 nvidia 所在文件夹，cmd在该路径下运行下面的命令（或者自行设置环境变量）

nvidia-smi

复制pytorch给的指令，在 anaconda prompt 上运行

在 conda 安装过程中，可以看到 cudatoolkit 确实是被自动安装了。（非常慢，可以网上搜一搜解决办法，或者是 kx 上网）

下载完成之后，可以直接

import torch 
torch.cuda.is_available # 查看GPU是否可以使用

没有想到，还是需要更新我的 NAVIDIA 驱动

可以直接去 NAVIDIA 驱动下载官网进行下载安装最新的驱动（但是我的显卡太老，没有最新的驱动了），所以所我打开鲁大师，看看流氓软件有没有解决办法。。

IDE 安装