安装GPU版本的pytorch（解决pytorch安装时默认安装CPU版本的问题）保姆级教程
1、安装anaconda
anaconda官网：www.anaconda.com
2、修改下载源为清华源
由于pytorch的服务器在国外，直连下载的话很慢，所以选用清华镜像源下载
# 添加清华镜像
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/
# 添加pytorch镜像
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
# for legacy win-64
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/peterjc123/
conda config --set show_channel_urls yes
3、创建虚拟环境
打开anaconda prompt
在>后面输入conda create -n Pytorch-env python==3.7
conda create -n Pytorch-env python==3.7
tips冷知识：无论是在安装Tensorflow2还是Pytorch等深度学习框架时，请务必注意你需要安装的函数库版本号与python版本的对应关系！！！
（这边建议选择python3.7或3.8的版本，不要问我为什么）
4、激活并进入你创建好的虚拟环境
conda activate Pytorch-env
现在正式开始进入pytorch的安装
5、anaconda指令安装pytorch
Pytorch官网：https://pytorch.org
复制图中红框的指令：conda install pytorch torchvision torchaudio cudatoolkit=10.2
！！！注意：不要全部复制：conda install pytorch torchvision torchaudio cudatoolkit=10.2 -c pytorch-lts
需要删除-c后面的语句
主要是因为-c pytorch表示指定使用pytorch channel，这个服务器位于国外，下载速度很慢，使用刚刚添加进的清华镜像源可以得到一个较快的下载速度。
tips：解释一下
Stable：稳定版本
LTS：（Long Term Support）长期支持版本
Preview：预览版本
推荐使用Stable或者LTS版本
在anaconda prompt中鼠标右键粘贴复制指令，回车运行。
6、耐心等待
7、安装完成（但是问题来了！）
此时，你满心欢喜地进入Pycharm，设置好你的conda解释器，开始跑Pytorch的代码了。好的，首先让我检查一下Pytorch是否使用GPU加速：
import torch
torch.cuda.is_available()
OMG！得到的答案是“False”！寄！
为什么呢？这是网上几乎所以人的安装方法，而他们跑出来却是“True”，作者一开始就是这样想的，明明安装都没有报错的。
于是又进入刚刚创建的虚拟环境中。。。
在你创建的“Pytorch-env”虚拟环境查看一下环境中所用的第三方库
conda list
突然发现：我明明安装的是基于CUDA的GPU版本，为什么安装的pytorch 和 torchvision 都是CPU版本的？？？
tips：作者在此时经历了无数次卸载重装pytorch，结果都是一样的。
直到我发现了它：
问题就在这，安装pytorch时会默认安装这个cpuonly库，就是这个函数库导致我们安装的pytorch是CPU版本的。
解决方法：直接conda uninstall cpuonly
他会提示你当你卸载cpuonly后一些函数库的版本改变（其中就包括pytorch 和 torchvision）
等待安装，loading…
安装完成后，就可以看到pytorch 和 torchvision 都是 GPU 版本了
这时候你再
import torch
torch.cuda.is_available()
返回：“True” ！
8、如果函数库中没有cpuonly怎么办？
还有一种情况我也见到过，就是你在输入conda list查看函数库，发现函数库中并没有cpuonly函数库，但我的pytorch还是cpu版本的那么该怎么办呢？
解决方法：conda install cpuonly
你先自行给它装上cpuonly函数库
然后，你再卸载它conda uninstall cpuonly
==
over ~