1. 前言

1. 关于conda
   下面我的安装过程使用的是 miniconda ，而不是完整的 Anaconda。
   原因如下：
   conda是一个环境管理工具，它可以解决很多库之间的依赖和冲突问题，并轻松的管理各种自建环境。避免了python自带的pip安装库时出现的各种麻烦，而完整的Anaconda又特别大，你需要的不需要的库及软件它都自带了一大堆，所以我不使用Anaconda，而miniconda是个纯净版的Anaconda，它仅保留了conda这个灵魂，不自带任何第三方库和软件。
2. 关于其他平台
   下面我教大家的安装方法是最简洁，最干净，也是最官方的方法，并且在linux等其他系统也是一样的道理，我会在文末“总结”处说明在其他平台安装时，只需要改动哪里即可。TensorFlow的安装原理类似，我也会指出改动哪里即可。

2. 下载并安装 miniconda

浏览器搜索 miniconda, 进入官网，本文以windows平台示例做教程，点击蓝色的链接即可开始下载，下载完成后安装过程记得勾选“加入环境变量”，其余设置看个人喜好：

3. 查看本机显卡驱动所支持的CUDA版本

在桌面点击“鼠标右键”，打开NVIDIA控制面板，然后如下图点击：帮助—>系统信息—>组件
在图中“红色3处”即可看到我目前的显卡驱动支持CUDA9.2

4. 进入 pytorch官网，查看安装命令

进入pytorch官网，点击顶部的“Get Started”，即可看到如下画面，选择conda安装，python为3.6版本，CUDA为9.2版本，下面会有官方提供的conda安装指令，复制它，待会儿我们要用

5. 安装 GPU 版本的 pytorch

打开conda的终端，即windows左下角菜单栏中的“Anaconda Prompt”。
输入如下图中的命令，创建虚拟环境：

**刚才创建的虚拟环境，并安装GPU版本的pytorch。
注意：如果要安装最新版的pytorch和torchvision，则直接粘贴刚才官网的命令即可，如果想安装指定版本的pytorch则可像我一样给指令加上“==1.2.0和==0.4.0”，如下图：

6. 检查是否安装成功

总结

1. 如果在linux平台想查看当前电脑的显卡驱动所支持的CUDA版本，输入 nvcc -V 指令即可。
2. 如果想安装更高版本的CUDA，可以去nvidia官网查看显卡驱动版本与CUDA版本的对应关系，下载满足要求的驱动安装即可。
3. 不要按照网上那些教程，去折腾手动安装CUDA和CUDNN之类的，conda很智能，你只需要自己安装好显卡驱动，剩下的CUDA之类的它会帮你安装。网上的教程大多都是人云亦云抄来抄去，因为有些安装方法都是陈年往事早都被淘汰了，所以大家要理智。
4. 如果要安装tensorflow同理，你只需安装显卡驱动，然后查看显卡驱动支持的CUDA版本，然后去tensorflow官网查看你的CUDA与tensorflow版本的对应关系，最后conda install tensorflow-gpu==版本
5. 最后是写给初入这个圈子的小白，算是少走弯路，老鸟请Esc。不用创建虚拟环境也可以直接安装。但是问题在于，假如你需要一个pytorch环境，又需要一个tensorflow环境，改天又需要一个Caffe环境，那么你都安装在根环境下不就乱套了么。再者，有时候你只是需要简单的使用下python或者numpy，你可以创建个环境，里面只装python和numpy就行了，不需要打开pytorch或者tensorflow这么大的环境浪费资源。