安装成功率可以达到100%，本文章讲解了无法安装的原因。

首先明确自己所安装的cuda是哪个版本的，比如我的cuda是11.1

预备知识：只有当以下条件全部成立才能安装成功：
①python版本、cuda版本一一对应
②必须全新的python环境，旧python环境可能有包之间的冲突，最新的python版本可能不支持pytorch
③pytorch里面的几个计算库都能对应上各自的操作系统
下面开始讲解如何能一一对应上：

一、工具的准备 ：anaconda，迅雷

（这两个软件只是为了方便，不安装也能用，只是很麻烦而已，因此安装不做介绍）

二、在官网查看pytorch的依赖

1.查看与指定版本的cuda相对应的pytorch版本

打开pytorch官网PyTorch

往下翻，找到与你所下载的cuda版本对应的pytorch

cuda11.1下载命令

注意：与cuda版本对应的pytorch不止一个(可以往下找找看)！！！这里有大坑！！！举几个例子：

CUDA 11.1对应的pytorch下载命令如下：
1.pip install torch==1.10.1+cu111 torchvision==0.11.2+cu111 torchaudio==0.10.1 -f https://download.pytorch.org/whl/cu111/torch_stable.html
2.pip install torch==1.10.0+cu111 torchvision==0.11.0+cu111 torchaudio==0.10.0 -f https://download.pytorch.org/whl/torch_stable.html
3.pip install torch==1.9.1+cu111 torchvision==0.10.1+cu111 torchaudio==0.9.1 -f https://download.pytorch.org/whl/torch_stable.html
4.pip install torch==1.9.0+cu111 torchvision==0.10.0+cu111 torchaudio==0.9.0 -f https://download.pytorch.org/whl/torch_stable.html

注意看，这里的几个torch版本都不相同，并不意味着你的系统环境都与之相兼容。比如第一个，torch==1.10.1+cu111 torchvision==0.11.2+cu111 torchaudio==0.10.1，我们打开它提供的下载链接https://download.pytorch.org/whl/torch_stable.html，然后我们在这个网站里面一一地寻找第一个命令cu111对应的三个计算库torch==1.10.1+cu111 torchvision==0.11.2+cu111 torchaudio==0.10.1，这里我列举出cu111版本的部分信息，

这个命令提供的torchvision这个机器视觉库没有windows版本，不信可以手动一一查找，也可以ctrl+F查找：

第二个命令pip install torch==1.10.0+cu111 torchvision==0.11.0+cu111 torchaudio==0.10.0 -f https://download.pytorch.org/whl/torch_stable.html同样没有windows版本的torchvision

如下图所示，第三个命令恰好支持windows版本，同时他们最高支持python3.9，最低支持python3.6，因此在使用Anaconda创建python环境时必须指定好版本信息，打开powershell prompt，命令如下（这里安装的是python3.9）：

conda create --name pytorch python=3.9 -y
conda activate pytorch

2.下载并安装pytorch

我们将上述找到的pytorch的三个库的下载链接依次放在浏览器上下载或放在迅雷上下载，得到三个文件

在powershell prompt命令行内运行pip本地安装命令：

pip install D:\迅雷下载\torch-1.9.1+cu111-cp39-cp39-win_amd64.whl
pip install D:\迅雷下载\torchvision-0.10.1+cu111-cp39-cp39-win_amd64.whl
pip install D:\迅雷下载\torchaudio-0.9.1-cp39-cp39-win_amd64.whl

安装完成后查看pip list

import torch
torch.cuda.is_available()#查看GPU是否可用
import torchvision #机器视觉库

由于我们无法确定哪些库与我们的cuda版本、操作系统类型、python版本相对应，因此不能使用别人的教程直接复制粘贴conda install ...或者pip install ... ，极大概率翻车，除非刚好那些版本与你的系统相兼容。