1、首先安装Anaconda + Pycharm，这里不做详细解释（Pycharm自行考虑是否需要安装，可用其他软件代替，如spyder）
Anaconda安装网址 https://www.anaconda.com/products/individual
Pycharm 安装网址 https://www.jetbrains.com
（现在在Anaconda安装之后现在可以直接勾选安装pycharm，无需在官网下载，如果使用软件破解了Pycharm，则无法访问Pycharm官网）
2、查看自己电脑的显卡驱动型号（可以更新驱动https://www.nvidia.cn/Download/index.aspx?lang=cn）
使用win+R，输入cmd，打开控制台，输入两行：
cd C:\Program Files\NVIDIA Corporation\NVSMI
nvidia-smi
3、查看显卡驱动对应的CUDA版本限制，安装对应版本的CUDA
登录CUDA官网下载驱动型号对应版本的CUDA
https://developer.nvidia.com/cuda-downloads
4、安装cuDNN
https://developer.nvidia.com/rdp/cudnn-download（如果之前没登录过，需要注册账号）
查找自己的CUDA安装路径，如我的是： C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1，记这个目录为A1。
将下载的cuDNN解压，得到一个cuda的文件夹。
将下载压缩包 cuda\bin 目录下的.dll文件复制到 A1\ bin 目录下
将下载压缩包 cuda\include 目录下的.h文件复制到 A1\ include 目录下
将下载压缩包 cuda\lib\x64 目录下的.lib文件复制到 A1\ lib\x64 目录下
修改环境变量，在系统变量中加入： A1\lib\x64
5、登录Pytorch官网下载对应CUDA版本的pytorch
此处可能需要先新建一个conda环境，并换国内镜像源，可满速下载。
6、安装结束后，在对应环境的Python解释器中输入如下命令，如果正常输出，就说明安装成功
import torch
torch.__version__ #查看torch是否可用
输出：'1.6.0'
torch.cuda.is_available() #查看GPU是否可用
输出：True
