一、Anaconda
Ⅰ下載
最新版的anaconda可能會需要各種各樣的問題，python3.6版本比較穩定，建議使用。
老鐵們可以通過，Anaconda以前版本所自帶Python版本，查看Anaconda所帶的python版本
我用的是這個，Anaconda3-5.2.0-Windows-x86_64.exe，如果覺得下載很慢的話，可以通過清華提供的鏡像進行相應版本。
Ⅱ安裝
管理員身份運行，養成安裝軟件的好習慣
路徑盡量別放在C盤下
最后的效果如下：
二、PyTorch安裝
管理員身份運行 Anaconda Prompt
為了方便后續的操作，新創建個環境空間y_pytorch
Ⅰ創建環境空間
以創建環境空間為y_pytorch為例
| 命令 | 描述 | 示例 |
|---|---|---|
| conda env list | 顯示都有哪些環境空間 | conda env list |
| pip list | 顯示當前環境空間下都有哪些包 | pip list |
| conda create -n 新建環境空間名稱 python=版本號 | 創建新的環境空間安裝指定python版本，-n其實就是name | conda create -n y_pytorch python=3.6 |
| conda activate 環境空間名稱 | 激活指定環境空間 | conda activate y_pytorch |
①我這里已經創建過一個mytorch環境空間了，初始只有base這一個環境空間
查看都有哪些環境空間 conda env list
②創建新的環境空間
conda create -n y_pytorch python=3.6
③進入到新創建的環境空間
conda activate y_pytorch
④查看當前的環境空間所包含的包
pip list
可以看到里面并沒有torch有關的包
Ⅱ安裝pytorch
①進入PyTorch官網
根據不同的需求運行生成的命令，其中Computer Platform計算機平臺表示是否使用GPU加速，前面的CUDA為CUDA Toolkit的版本，若不使用GPU加速，選擇CPU即可。
②查看自己的電腦是否支持GPU加速
CPU是處理邏輯運算的，在圖像渲染處理運算方面不擅長，此時就有了GPU的誕生幫助CPU處理其不擅長的圖像方面的運算
Ctrl+Shift+Esc打開任務管理器，一般近年來市面上絕大多數的NVIDIA顯卡都支持GPU加速，若不放心，可以去官網查看相應顯卡是否支持CUDA。
③使用GPU加速的前提：驅動和CUDA Toolkit
驅動
win+r打開運行，輸入cmd打開命令窗口，輸入nvidia-smi
Driver Version版本要大于396.26，若小于，則可以下載360驅動等軟件進行更新，或者去官網下載驅動包進行更新即可。
CUDA Toolkit
CUDA工具包建議使用9.2版本的，當然也可以選擇更高版本的，為了穩定而言，最好不要使用最新版本。
④有了以上的準備，接下來開始安裝PyTorch
PyTorch官網中根據自己需要在自己的環境空間中運行指定命令
我的是這個：conda install pytorch torchvision cudatoolkit=9.2 -c pytorch -c defaults -c numba/label/dev
有沒有GPU加速無關緊要，只不過是后期訓練模型速度的問題，不影響最基本的學習
⑤查看下環境空間下的包都有哪些
pip list，可以看到已經出現了torch相關包
⑥驗證一下
python，進入python編譯狀態
import torch，導入torch，若沒報錯則安裝成功
torch.cuda.is_available()，看下cuda是否支持GPU加速
quit()，退出python編譯
三、opencv安裝
在自己創建的環境空間下運行pip install opencv-python，進行下載安裝opencv
驗證
python，進入python編譯狀態
import cv2，導入opencv，若沒報錯則安裝成功
四、Jupuyer Notebook安裝
在自己創建的環境空間下運行conda install nb_conda，進行下載安裝Jupyter Notebook
驗證
jupyter notebook，會打開jupyter頁面
創建一個python文件
但是，等了好久好久一直在連接，最終連接失敗
解決方法：python -m pip install jupyter_nbextensions_configurator
之后再次進行打開即可
五、PyCharm綁定
PyCharm官網下載社區版即可，也可以使用個人版，個人版教程
新建項目New Project，選擇自己創建的環境空間，例如我的是y_pytorch，即可與環境空間進行綁定。
)
