前言
开始
1、官网安装
首先浏览官网界面，此处一般是最新版的torch，但从界面上我们我们也可以知道最新版的torch需要最新版的硬件和驱动。
torch官网配置选择
当确认上述配置皆满足时，可以直接在环境中运行命令，记得配置国内源，否则速度你懂的。
2、离线安装
当你的配置无法满足上面要求时，可以使用pip指定版本安装，比如你的CUDA的是10.0，只能安装torch1.2.0，但却发现：
image.png
或者想安装torch1.3.1：
image.png
此时只能下载.whl包进行离线安装。
a、确定nvidia驱动版本
该版本涉及到CUDA的支持，之前就因为只更换了CUDA版本，而忽略了此驱动的支持导致一直运行报错：
image.png
此时安装没有问题，但无法运行：
torch.cuda.is_available()
返回值一直是False。
要确定NVIDIA驱动版本，需要指令:
nvidia-smi
在弹出的列表中确定当前驱动，下图即为410.48：
image.png
在下表中找到自己可用的CUDA驱动：
image.png
我之前就是因为NVIDIA是410.48,但安装的torch1.3.1，使用CUDA版本为10.1不支持导致的，我只能使用10.0一下的CUDA，否则要进行NVIDIA驱动的更新。
b、确定CUDA版本
输入指令：
nvcc -V
切记不要使用：
cat /usr/local/cuda/version.txt
因为如果是多人使用一台服务器或项目要求，一个系统可能存在多个版本的cuda 而没有影响。如下图即为CUDA10.0：
image.png
如果电脑存在多个CUDA版本，可以在当前目录下更改.bashrc文件进行：
vim ~/.bashrc
添加或更改
export PATH=/usr/local/cuda-10.0/bin:
export LD_LIBEARY_PATH=/usr/local/cuda-10.0/lob64:
以上我是选择了CUDA10.0，其他版本在找到其安装目录的情况下相同。
c、下载对应torch
当然，此处是以稳定优先，尽量不动原生环境，选择可以使用的torch。当项目需要指定torch版本时，可以先确定torch版本，反推NVIDIA和CUDA版本，一步步更新即可。
torch与CUDA对应关系如下：
torch 1.1.0 ->CUDA 9.2
torch 1.2.0 ->CUDA 10.0
torch 1.3.0 ->CUDA 10.1
torch 1.4.0 ->CUDA 10.2
torch 1.5.0 ->CUDA 10.2
对应torch与torchvision，具体可去官网查询:
pytorch1.0.0->torchvision0.2.0
pytorch1.1.0->torchvision0.3.0
pytorch1.2.0->torchvision0.4.0
pytorch1.3.0->torchvision0.4.0
pytorch1.4.0->torchvision0.5.0
pytorch1.5.0->torchvision0.6.0
pytorch1.7.0->torchvision0.8.1
然后去torch版本网站下载即可，此处有一个好处就是哪怕torch1.5.0依然可以使用CUDA9.2，只要选择合适的库就可以。
下载完成后，使用pip安装即可：
pip install torch********.whl
参考
https://blog.csdn.net/qq_33949900/article/details/105968261
https://pytorch.org/get-started/previous-versions/
