目录
第一章
1.Anaconda的安装
1.1下载
1.2创建虚拟环境
1.3换源
1.3 显卡驱动的安装（装cpu版本的可以跳过这里）
windows：
2.安装pytorch
在PyTorch官网进行下载
第二章
第一章
第一章最难的其实时pytorch的安装和配置啥的
PyTorch的安装，一般常见的是Anaconda/miniconda+Pytorch+ (Pycharm) 的工具，我们的安装分为以下几步
-
Anaconda的安装
-
检查有无NVIDIA GPU
-
PyTorch的安装
-
pycharm的安装（本次就不讲了）
1.Anaconda的安装
1.1下载
登陆Anaconda | Individual Edition，选择相应系统DownLoad，此处以Windows为例：
1.2创建虚拟环境
在Anaconda Prompt进行
可在菜单上搜索 然后对于环境的操作如下图：
conda env list #查看现存虚拟环境 conda create -n env_name python==version #创建虚拟环境 conda remove -n env_name --all #删除虚拟环境命令 conda activate env_name #激活环境命令 conda deactivate #退出当前环境
1.3换源
这个很重要，为了保证速度还是换源比较香（我们主要讲windows）
pip换源
1、文件管理器文件路径地址栏敲：%APPDATA% 回车，快速进入 C:Users电脑用户AppDataRoaming 文件夹中 2、新建 pip 文件夹并在文件夹中新建 pip.ini 配置文件 3、我们需要在pip.ini 配置文件内容，我们可以选择使用记事本打开，输入以下内容，并按下ctrl+s保存，在这里我们使用的是豆瓣源为例子。
[global] index-url = http://pypi.douban.com/simple [install] use-mirrors =true mirrors =http://pypi.douban.com/simple/ trusted-host =pypi.douban.com
conda换源（清华源）官方换源帮助
Windows系统：
TUNA 提供了 Anaconda 仓库与第三方源的镜像，各系统都可以通过修改用户目录下的 .condarc 文件。Windows 用户无法直接创建名为 .condarc 的文件，可先执行conda config --set show_channel_urls yes生成该文件之后再修改。
完成这一步后，我们需要修改C:UsersUser_name.condarc这个文件，打开后将文件里原始内容删除，将下面的内容复制进去并保存。
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
这一步完成后，我们需要打开Anaconda Prompt 运行 conda clean -i 清除索引缓存，保证用的是镜像站提供的索引。
我们可以通过conda config --show default_channels检查下是否换源成功，如果出现下图内容，即代表我们换源成功。
1.3 显卡驱动的安装（装cpu版本的可以跳过这里）
建议大家查一下自己的驱动的版本，但说实话大家的驱动版本其实应该都是挺高 ，驱动其实很多时候不大会影响大家装环境的使用。
我因为paddle用的是cuda10.2所以就不打算换了而且paddle没有cuda11.3的就让人很头疼。
windows：
我们可以通过在cmd/terminal中输入nvidia-smi（Linux和Win命令一样）、使用NVIDIA控制面板和使用任务管理器查看自己是否有NVIDIA的独立显卡及其型号
大家需要注意的是这里只是驱动的的版本，也就是说不是下的cuda的版本（驱动只是影响大家的cuda版本的上限我一开始进入了自己的思维误区以为cuda得和驱动的版本一样，差点把两个环境搞崩掉）
还有个得提醒大家一下有了驱动别忘了下载cuda和cudnn啥的，下载cudnn也得看好对应的版本，显卡这一块的小心翼翼。
然后显卡这块我建议大家用cuda10.2，因为好多的其它的深度学习环境都有10.2，后面下载其它的就不要担心是不是的换来换去啥的比较方便。
然后下面下载pytorch我就以cuda10.2为例
2.安装pytorch
在PyTorch官网进行下载
点击install 我们选择本地开始（Start Locally)
但我们会发现没有命令可以去安装cuda10.2的
注：（一开始我还耍个小聪明，就是看见cuda11.3的版本后面就是版本号改了所以我就按照下载11.3的版本的命令改了一下版本号以为ok，结果是个雷最后的运行是false）
解决方法：
安装过去的版本，点击上面的Previous PyTorch Versions
命令给出来，不要像我一样犯了经验主义
同时大家需要注意，前面我们已经换了源，所以我们得把后面的这个 -c pytorch给删了 不然还是用的原来源了，慢的一批。
Linux and Windows
# CUDA 10.2 conda install pytorch==1.10.1 torchvision==0.11.2 torchaudio==0.10.1 cudatoolkit=10.2 -c pytorch # CUDA 11.3 conda install pytorch==1.10.1 torchvision==0.11.2 torchaudio==0.10.1 cudatoolkit=11.3 -c pytorch -c conda-forge # CPU Only conda install pytorch==1.10.1 torchvision==0.11.2 torchaudio==0.10.1 cpuonly -c pytorch
如果我们使用的Anaconda Prompt进行下载的话，我们需要先通过conda activate env_name，激活我们的虚拟环境中去，再输入命令。
如果发现在虚拟环境里面下载后 import pytorch报错，可以试试去base环境再下载一遍，亲测有效但不知道其它有没有效
进入虚拟环境输入python，通过一下命令来测试gpu版本是否下载成功
import torch torch.cuda.is_available()
如果报false则表示你下载的可能是cpu版本或者gpu版本没成功。
第二章
对于第二章的话其实主要讲的是tensor，在PyTorch中，所有神经网络的核心是 autograd包，而torch.Tensor 是这个包的核心类。 torch.Tensor 是存储和变换数据的主要工具
需要注意的是：索引出来的结果与原数据共享内存，修改一个，另一个会跟着修改。如果不想修改，可以考虑使用copy()等方法
注意 view() 返回的新tensor与源tensor共享内存(其实是同一个tensor)，也即更改其中的一个，另 外一个也会跟着改变。(顾名思义，view仅仅是改变了对这个张量的观察⻆度)
如果我们想返回一个真正新的副本(即不共享内存)该怎么办呢？Pytorch还提供了一 个 reshape() 可以改变形状，但是此函数并不能保证返回的是其拷贝，所以不推荐使用。推荐先用 clone 创造一个副本然后再使用 view 。
