環境配置是最容易遇到很多問題的時候，也是很必要做的事情，希望你們在後續配置的時候不要焦躁，慢慢來。（暗暗慶幸一波，自己遇到了最好的BOSS，讓我在亂麻中理清了很多頭緒），希望導讀就是開始一段枯燥的學習過程的鎮靜劑。Fighting！

  首先安裝python

• 第一步先下載anaconda。在瀏覽器輸入anaconda後，開啟第一個就是它的官網，根據自己的版本選擇download,這裡主要說windows(64bit)當你看到第一眼只看到兩大版本的時候，選擇python 3.7 version下載下來（只用這兩個版本，下面你會看到下載的python是3.6版本，為了和它保持一致，接下來就要在dos介面的命令列裡操作，把conda的版本進行轉換為3.6 
    具體操作是：開啟“windows系統”-“命令列提示符” 輸入命令"pip list（這一步其實就是打開了pip因為用pip安裝東西真的很方便）"後會跳出一系列東西，等停下來的時候，輸入命令“conda install python=3.6”然後就等它下載好為止，反正最後會出現【y/n】之類的吧，輸入y就ok了,這樣anaconda就轉換好了。）

肯定會有人疑問，anaconda到底有什麼作用？安裝python為什麼先要安裝anaconda?

              （1）python自身缺少numpy、matplotlib、scipy....等一系列包，需要我們安裝pip來匯入這些包才能進行相應運算。但是每次都額外安裝所需要的包就顯得麻煩了，這時候我們可以採用anaconda了。 anaconda是一個python發行版，包含了大量的包，使用anaconda無需再去額外安裝所需包（很清楚了吧）

              （2）至於先安裝anaconda是我們實驗室的習慣，也是公司環境的一直做法（因為方便、方便包的管理）

• 第二步下載python。同樣的方式，在瀏覽器搜尋下載python(一定要進入官網推薦下載3.6版本)
• 然後下載pycharm。點選對應自己的系統進行下載(這裡說的windows 64bit)開啟官網之後又兩個版本，一個是professional(專業版--適合學生，推薦這個，但這個不是免費的，可以先試用，等待boss探究出來一種好的方法，繼續更新),一個是community

 上邊的python想必已經環境已經能配置好了。這個時候就要安裝pytorch了，別害怕！

cpu版本的pytorch安裝就簡單了好多了。再次開啟“命令列提示符”，輸入“conda install -c peterjc123 pytorch-cpu”（torch指定版本0.3.1）想要探究的更明白，可以看一下這個文件：pytorch在64位windows下的conda包：https://zhuanlan.zhihu.com/p/26871672

這個cpu版的pytorch就安裝好了，可以使用一段簡單程式進行測試執行一下（一個矩陣的運算），結果執行出來就ok了(這是本博主最喜歡拿來測試的程式碼了)。

1 import torch
2 
3 x1=torch.rand(5,3)
4 print(x1)
5 x2=torch.rand(5,3)
6 print(x2)
7 x3=x1+x2
8 print(x3)

只打算學習一些簡單的python基礎語法，敲一下簡單的程式碼，上邊的這已經足夠了，但是對於進入深度學習的童鞋們來說這是不夠的，因為平時訓練的資料集很大，如果用cpu來跑程式碼的話，真的是蝸牛般的速度（我曾經用cpu跑了三個小時打程式碼用gpu僅僅幾十分鐘的事情）

win10-GPU版的-torch安裝

下面的檔案有cuda、cudnn的下載連結，還有安裝步驟（首先安裝cuda，根據文件上寫的，安裝後驗證一下，然後安裝包cudnn），文件寫的非常清楚，在這就不廢話了，一看就能明白的。https://blog.csdn.net/cmat2/article/details/80407059

另外附Pycharm的啟用碼，用的著的拿去：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-Gbb7jeR8JWOVxdUFaXfJzVU/O7c7xHQyaidCnhYLp7v32zdeXiHUU7vlrrm5y9ZX0lmQk3plCCsW+phrC9gGAPd6WDKhkal10qVNg0larCR2tQ3u8jfv1t2JAvWrMOJfFG9kKsJuw1P4TozZ/E7Qvj1cupf/rldhoOmaXMyABxNN1af1RV3bVhe4FFZe0p7xlIJF/ctZkFK62HYmh8V3AyhUNTzrvK2k+t/tlDJz2LnW7nYttBLHld8LabPlEEjpTHswhzlthzhVqALIgvF0uNbIJ5Uwpb7NqR4U/2ob0Z+FIcRpFUIAHEAw+RLGwkCge5DyZKfx+RoRJ/In4q/UpA==-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