如何安装Pytorch,CPU版本和GPU版本的安装流程。
1.PyTorch简介：
PyTorch是一个开源的Python机器学习框架，专注于深度学习任务。它由Facebook的人工智能研究团队开发并维护，提供了丰富的工具和库，用于构建和训练各种深度神经网络模型。
PyTorch使用动态计算图的概念，允许用户在运行时动态地定义、修改和调试计算图。这种灵活性使得模型构建和调试更加直观和方便，同时也支持更复杂的模型结构和控制流程。
PyTorch采用Pythonic风格的API设计，使得代码编写更加简洁、易读和易于理解。它与Python生态系统无缝集成，使得用户可以方便地使用Python的其他库和工具进行数据处理、可视化和实验管理。
PyTorch提供了对GPU的原生支持，可以充分利用GPU的并行计算能力加速模型训练和推理过程。用户可以轻松地将张量和模型迁移到GPU上，并利用GPU加速进行计算。
PyTorch生态系统中有大量的模型库和预训练模型可供使用。包括经典的卷积神经网络（CNN）、循环神经网络（RNN）、生成对抗网络（GAN）等，以及用于计算机视觉、自然语言处理和推荐系统等领域的预训练模型。
PyTorch提供了TorchScript，它可以将PyTorch的动态计算图转换为静态图，以获得更高的性能和部署效率。这使得用户可以在开发和调试阶段使用动态图的灵活性，然后将模型转换为静态图以进行生产环境部署。
PyTorch是一个功能强大、灵活易用的深度学习框架，通过动态计算图、Pythonic风格的API设计和GPU加速支持，使得用户可以高效地构建、训练和部署深度神经网络模型。它在学术界和工业界都得到了广泛的应用和认可，并积极发展和演进。
2.检查自己的电脑环境（是否有英伟达显卡）：
目前下载安装pytorch分为gpu版本和cpu版本，一般英伟达显卡是支持gpu版的，在使用pytorch时相应速度更快，图像识别等应用较迅速（目前AMD、mx显卡等是否支持还不清楚），不过AMD显卡下载cpu版的即可。
1.在任务栏中的搜索里搜索‘设备管理器’，点击打开设备管理器。
2.打开显示适配器，若显示如图中AMD则说明自己电脑的显卡为AMD显卡。应当下载安装CPU版本的pytorch。
鼠标右键若出现NVIDIA控制面板，则说明电脑为英伟达显卡，应下载GPU版本的pytorch。
3.CPU/GPU版本的Pytorch
即自己电脑的显卡为AMD或其他显卡，
因为我的电脑显卡和处理器是AMD，不能使用CUDA，也就不能在本机上安装GPU版本，所以只能安装CPU版本用于学习，本机只是学习需要，下面就来看一下CPU版本的PyTorch的安装过程（默认已经安装anaconda和pycharm）
若未安装anaconda和pycharm请查考：http://t.csdnimg.cn/BBIy8
1.打开系统菜单，在Anaconda中找到Anaconda Prompt,点击打开Anaconda Prompt命令窗口。
（注：命令行前有（base）说明Anaconda安装有效）
2.创建pytorch环境
输入命令conda create -n pytorch python=3.11
其中pytorch为环境名称，python=3.11为自己电脑中python的版本。
检查python版本：win+r打开cmd
输入python即可输出python的版本。
输入命令后点击y表示确认。
输入命令行conda activate pytorch2进入pytorch2环境
输入命令行pip list 将环境中的包输出
此时发现并没有torch包。
4.Pytorch的安装的重要步骤
进入pytorch官方首页PyTorch
下滑找到安装pytorch
此时注意，Package选择conda,Language选择python，
而compute platform选择CPU,代表下载的为CPU版本的pytorch。
若要下载GPU版本的pytorch,则compute platform选择除CPU以外的CUDA即可。
以下操作相同。
将命令进行复制，粘贴到Anaconda Prompt窗口，点击回车。
输入y开始下载
在下载的过程中时间可能会很漫长，可以使用手机热点进行下载，用时较短。
下载完成后，输入命令pip list，即可展示此环境下所下载的包，可以发现已下载完成torch
5.检验pytorch是否安装成功
在pytorch环境下输入命令行python,然后输入import torch
若无报错，即代表安装成功。
6.Pycharm使用anaconda创建的pytorch虚拟环境
我们在创建完成pytorch环境后需要将pytorch导入到pycharm继续使用。
其具体操作请参考：http://t.csdnimg.cn/vDUgR