亲测绝对有效——解决pytorch安装下载慢(清华源+缓存到本地)
安装条件： pytorch-1.1.0 py3.6 cuda9.0 cudnn7.1
以上是我的安装python版本，pytorch版本和CUDA版本，亲测可用。同时在这个条件下还可以安装tensorflow1.5.0-gpu版本。已经有pytorch的cpu版本需要先卸载掉，然后再进行下面的步骤。
参考了很多文章都是告诉我们，添加清华的镜像源，再使用命令：
conda install pytorch torchvision cudatoolkit=9.0 -c pytorch
友善的提示我们：一定要去掉-c pytorch，安装的时候才会默认从清华源下载相应的包，因此用命令行:
conda install pytorch torchvision cudatoolkit=9.0
然而我还是会出现下面这种cudatoolkit或者pytorch-gpu压缩包下载过程中，快要看要胜利的曙光时，就崩溃的惨状。尝试了好多次依旧中断失败，于是找到了另一种可以解决已经使用了清华镜像源依旧下载太慢，从而导致网页断联的问题。
在安装pytorch-gpu版本的各种文章中，首先参考conda安装Pytorch下载过慢解决办法，我认为作者已经把解决方法讲的很完善，只要你和清华了镜像源的连接稳定，一般都可以安装成功。
其次我参考了conda install pytorch 安装缓慢的解决办法，解决了镜像源连接不稳定导致比较大的压缩包一直下载失败的问题，如果你也是这个出现了这种情况，下面的步骤一定可以解决你的燃眉之急。以cudatoolkit为例讲解，pytorch-gpu是一模一样的做法。
添加清华镜像源
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --set show_channel_urls yes
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/bioconda/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/menpo/
上面代码为了保险起见，同时添加第三方conda源。
使用conda命令安装
使用该命令install pytorch torchvision cudatoolkit=9.0，安装的过程中会出现如下提示：
上图CondaHTTPError中有一个cudatoolkit安装的源网址，
https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/win-64/cudatoolkit-9.0-1.tar.bz2
将它复制下来，在360浏览器中打开，会自动创建下载链接，下载速度还是挺快的，两三分钟就搞定。
改动packages的缓存目录
从上图中可以发现，我的下载的packages都缓存在目录：
S:\Pyqt\Anaconda\New_Install\pkgs
将刚刚下载好的cudatoolkit压缩包剪切到该目录下
打开该目录按照时间日期排列，可以发现
这里需要进行两个步骤：
1. 将压缩包解压，不能改动原名
2.记事本打开urls.txt添加一行
https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/win-64/cudatoolkit-9.0-1.tar.bz2
也就是这个cudatoolkit下载的路径，必须要添加！！！不然的话后续安装依然会重复下载cudatoolkit压缩包，前功尽弃！！！！
命令行再次使用conda安装
再次使用命令
install pytorch torchvision cudatoolkit=9.0
从上图可以发现，已经成功安装。
测试pytorch-gpu是否安装成功
我没成功是因为我已经安装了pytorch-cpuonly版本，卸了重装即可。
其他成功安装的小伙伴可以启动python，输入以下命令：
#查看pytorch版本
import torch
print(torch.__version__)
#查看是否是gpu版本
flag = torch.cuda.is_available()
print(flag)
#查看使用的GPU设备数量和名字
torch.cuda.current_device()
torch.cuda.device(0)
torch.cuda.device_count()
torch.cuda.get_device_name(0)
其实也很简单，进入安装了pytorch_cpu版本的环境，使用这两条命令：
conda uninstall pytorch, torchvision
conda uninstall cpuonly
将原来的pytorch版本卸载掉，然后再次使用
install pytorch torchvision cudatoolkit=9.0
发现下图这个玩意儿也是块头大，使用上面同样的方式，依然将下载好的安装包缓存在目录：S:\Pyqt\Anaconda\New_Install\pkgs
在txt文件里面添加下载的网址，回到黑框框再次输入
install pytorch torchvision cudatoolkit=9.0，其他小的依赖包下载挺快就不需要这么搞了。
安装好了之后使用上面的四句测试代码，全部通过~搞定！！！！！！！！
