1. Anaconda

1.1 Anaconda下载

在机器学习，深度学习中，要用到大量的 package（就是各种工具包）。如果说，函数是一个工具，那么 package就是一个工具包。一个个安装 package 很麻烦，而且容易出现疏漏。于是，就有了
Anaconda，这是一个集成了常用于科学分析（机器学习，深度学习）的大量package。也就是说，你只要安装了Anaconda，就安装了很多我们之后要用的许多packages。
Anaconda的下载地址:这里

这里我选择的是64位的windows系统(Anaconda历史版本链接:这里)

1.2 Anaconda安装

具体安装过程不展示，安装完毕后在左下角搜索Anaconda Prompt，如果可以成功打开，且左边有 (base)，即安装成功。

1.3 Anaconda中的虚拟环境

不同的项目往往需要引用不同版本的库包，但有时候包与包之间的版本可能存在冲突，自己手动修改很是麻烦。Anaconda 集成的 conda 包就能够解决这个问题。不同的项目使用不同的虚拟环境，各个虚拟环境内的库包互不干扰。

创建环境
conda create --name pytorch python=3.8 或 conda create --n pytorch python=3.8
其中pytorch为虚拟环境的名称

删除环境(慎用)
conda remove --name pytorch --all

**环境
conda activate pytorch

退出环境
conda deactivate

查看环境列表
conda env list

2. PyTorch

2.1 PyTorch下载

进入PyTorch的官网下载:这里，选择适合自己电脑的版本，我的笔记本不带GPU，选择如下：

选择conda包来进行安装，打开cmd命令行，切换到之前创建的虚拟环境conda activate pytorch
此时发现报错
我的解决方法是直接输入activate pytorch 顺利**环境。然后将前面安装PyTorch的conda指令复制下来conda install pytorch torchvision cpuonly -c pytorch，输入到命令行，等待安装完毕。

2.2 验证PyTorch是否安装成功

在刚刚的虚拟环境下，输入python指令，进入到python编辑器，然后依次输入以下两条指令：
import torch
torch.version

如果成功显示出PyTorch版本号，则说明安装成功。

2.3 其他的报错

例如不使用虚拟环境而是直接在命令行里直接conda或者pip指令来安装PyTorch，一般都会遇到这样的报错：

具体解决方案可以看看这位老哥的:这里，然而我换了镜像之后还是不能在cmd命令行里直接安装PyTorch，索性就不管了，能够在虚拟环境里安装就行。

3. 与PyCharm关联

新建好一个项目之后，在File->Settings->Project->Project Interpreter中将Python解释器更改为之前的虚拟环境中的Python解释器，并应用。(括号里面就是虚拟环境的名称)

验证是否关联成功

在main.py文件中相应位置添加两行代码:
import torch
->print(torch.version)
运行后若正确输出PyTorch的版本号，则说明关联成功。