1. 引言
毕设是computer vision相关课题，进入了试运行代码阶段。在Python写的工程里看到torch包未安装，经过一番搜索后，遇到了一些坑也查阅了很多博客，顺利地配置好了cv所需的基础环境。在此记录总结，是我个人摸索的全过程，希望有参考价值。
2. PyTorch安装前的准备（CUDA，Anaconda）
安装PyTorch前需要配置好Anaconda和CUDA。
2.1 Anaconda
我在安装Python时就已经装好了Anaconda，在此提供供参考的安装说明：https://blog.csdn.net/tqlisno1/article/details/108908775
2.2 CUDA
首先，确定电脑已安装好GPU驱动（NVIDIA）：在“控制面板-系统与安全-系统-设备管理器”，查看显示适配器，如下图即已有GPU驱动。
在桌面右击鼠标，在“英伟达控制面板-系统信息”查看CUDA的版本，用作一会儿在官网下载CUDA的版本参考。下图，我的设备的版本是CUDA 11.2：
CUDA Tookit 官网下载地址 https://developer.nvidia.com/cuda-toolkit-archive
下载过程比较漫长……
关闭360等防火墙！然后再解压缩！我解压失败了好多次，压力拉满的过程中看到有兄弟说明关掉360，问题解决。
在安装过程中选择自定义安装，避免精简安装产生覆盖问题。
我为了节省C盘空间，在安装过程中把位置更改在别的地方，总之，记住CUDA安装的位置。
安装之后检查Path环境变量，如下图，路径是正确的：
快捷键win+R，运行cmd控制台，键入nvcc --version，检查cuda版本号，即可判断安装成功。
另外，把路径“C:\Program Files\NVIDIA Corporation\NVSMI，”添加到系统的环境变量中，通过cmd命令行输入nvidia-smi查看本机的CUDA版本。
2.3 cuDNN
cuDNN版本和CUDA同版本（例如，我的CUDA是11.2，选择下载11.x的cuDNN），官网下载地址为：
下载好之后解压得到三个文件夹(bin, lib, )，将三个文件复制到2.2步骤中CUDA的cuda/v11.2/对应的文件夹内。然后把三个文件夹的地址添加到环境变量Path中。
最后，检查cudnn安装成功： https://blog.csdn.net/jhsignal/article/details/111398427
2.4 PyTorch
PyTorch与神经网络框架有关，进入正题，现在官网下载安装包：https://pytorch.org/
打开导航栏的“get start”，如下图所示选择正确信息。
Cuda的版本低于自己安装的（11.2）。
基于已经安装好cuda，anaconda的环境，选择好上面的选项后，在cmd控制台键入上图表格中run this command的命令，下载即可。
【补充】后续运行代码时发现pytorch安装了但没完全安装。
GPU版本pyTorch安装教程(实测,特别详细)_楊龘龘的博客-CSDN博客_gpu版本pytorch安装
下载地址（python3.5等）
需要安装GPU的pytorch 和 torchvision包，注意cuda，Pytorch，torchvision的版本对应关系。 可在官网查询 cuda pytorch torchvision版本对应
我的版本：pytorch 1.10.2 torchvision 0.11.3
注意：下载的库名中cp27代表python2.7
在管理员窗口（win+r，cmd）键入python，查看python版本（3.8.5），所以库名是cp38
