💥注意事项：
CPU版和GPU版选一个进行安装即可
如果有Nvidia显卡，则安装cuda版本的PyTorch，如没有nvidia显卡，则安装cpu版。
目前常见的深度学习框架有很多，最出名的是：PyTorch（facebook出版）， Tensorflow（谷歌出版），PaddlePaddle（百度出版）。PyTorch是目前最主流的深度学习框架，我们就选择PyTorch肯定没错。
官网查看最新版 ：
Start Locally | PyTorch
Nvidia显卡上安装PyTorch
Nvidia显卡如果要装pytorch，可以用windows系统，也可以用Linux系统，如果有Nvidia显卡，则安装GPU版本PyTorch，首先升级显卡驱动，将自己显卡驱动升级到最新。
安装CUDA
🔎安装CUDA（Compute Unified Device Architecture）意味着在您的电脑上部署NVIDIA推出的一种并行计算平台和编程模型。CUDA允许开发者利用NVIDIA GPU（图形处理器）进行通用计算，而不仅仅是图形处理。这意味着原本设计用来加速图像渲染的任务的GPU，现在可以通过CUDA来执行科学计算、深度学习、物理模拟等高度并行化的计算任务。
安装CUDA11.8, 下载连接： CUDA Toolkit 11.8 Downloads | NVIDIA Developer
下载CUDA后，使用默认安装即可。
安装CUDNN
🔎安装cuDNN（CUDA Deep Neural Network library）是指在已安装CUDA的基础上，部署NVIDIA专门为深度学习应用优化的GPU加速库。cuDNN是一个底层库，它提供了高度优化的例程，用于深度神经网络中最常见的操作，如卷积、池化、激活函数等。
安装cuDNN的目的在于进一步提升基于GPU的深度学习计算效率，因为它针对深度学习任务进行了特别的优化。cuDNN的设计旨在简化集成到更高级的机器学习框架中，如TensorFlow、PyTorch、Caffe等，这些框架在内部使用cuDNN来加速它们的运算。
下载cudnn，下载连接：cuDNN Archive | NVIDIA Developer
将cudnn解压后解压后，是几个文件夹
然后再把它们都放到cuda同一级目录下。
命令行安装PyTorch
#创建PyTorch环境
conda create -n torch2 python==3.10
#进入环境
conda activate torch2
#安装gpu版本pytorch
pip install torch==2.0.0 torchvision==0.15.1 torchaudio==2.0.1 --index-url https ://download.pytorch.org/whl/cu118验证GPU版是否安装成功
import torch
print(torch._version_)
print(torch.cuda.is_available())
安装CPU版本PyTorch
如Windows电脑上没有Nvidia显卡，则安装CPU版本PyTorch
#创建PyTorch环境
conda create -n torch2 python==3.10
#进入环境
conda activate torch2
#安装cpu版本pytorch
pip install torch==2.0.0 torchvision==0.15.1 torchaudio==2.0.1 --index-url https ://download.pytorch.org/whl/cpu验证CPU版是否安装成功与刚才一样，只是最后输出False。
MacOS上安装PyTorch
输入命令
pip install torch==2.0.0 torchvision==0.15.1 torchaudio==2.0.1
或者使用conda命令进行安装（需要先安装anaconda）
conda install pytorch==2.0.0 torchvision==0.15.0 torchaudio==2.0.0 -c pytorch
AMD显卡上安装PyTorch
amd显卡如果要装pytorch，只能用 linux 系统，执行以下命令安装
# ROCM 5.4.2 (Linux only)
pip install torch==2.0.0 torchvision==0.15.1 torchaudio==2.0.1 --index-url https://download.pytorch.org/whl/rocm5.4.2
