一、安装Anaconda
到 Anaconda的官网（https://www.anaconda.com/） 下载安装包
选择Individual Edition（个人版），跳转后点击Download下载
双击下载好的安装包开始安装
就选Just Me，Next
有需要可以更改安装目录
都勾选上，Install
等待安装完成
一路Next
Finish完成安装
检验安装：打开cmd窗口（Win+S搜速cmd并打开，或Win+R运行cmd），输入conda --version，输出版本号则安装成功
二、CUDA安装
去 Pytorch官网 看看你要安装的Pytorch版本需要哪种版本的CUDA
下载CUDA之前可以先在电脑的NVIDIA驱动上，确认一下你的显卡型号和驱动（没有显卡驱动的，可以到NVIDIA官网下载安装驱动）
和 NVIDIA提供的CUDA文档 对比，检验是否匹配
到 NVIDIA官网的CUDA下载（https://developer.nvidia.com/cuda-toolkit-archive） 选择合适的版本下载（一开始，我选择的是11.2.2版本的，后来发现最新的Pytorch需要11.3的版本……）
选择完成后下载即可
下载完成后双击打开，开始安装（推荐默认路径）
等待安装完成
一路默认即可
安装完成
检验安装：在cmd窗口中，输入nvcc -V，正确显示版本信息则安装完成
三、CUDNN安装
到 NVIDIA官网的CUDNN下载（https://developer.nvidia.com/rdp/cudnn-archive） 选择和CUDA相应的版本下载（我选择的是v8.2.1 for CUDA 11.x版本的）
选择Windows版本
下载完成后是一个压缩包，直接解压，得到一个文件夹如下
将这些文件复制到CUDA安装目录下（默认为C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.2，版本号差异自行更改）
按下Win+S搜索“Huan”找到“编辑环境变量”并打开
依次点击进入，并将下方的CUDA路径加入到环境变量中（路径改成自己的）
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.2\bin
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.2\include
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.2\lib
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.2\libnvvp
检验安装（CUDA）：打开cmd，cd到CUDA目录下的extras\demo_suite，运行bandwidthTest.exe和deviceQuery.exe这两个程序，最后输出Result = PASS即为通过，安装成功
四、Anaconda创建Python虚拟环境、换源
输入以下命令创建一个名为mytorch的Python 3.9.0的虚拟环境
conda create -n mytorch python=3.9.0
输入activate mytorch进入刚刚创建的虚拟环境
接下来我们为conda进行换源，先执行以下命令生成.condarc 文件
conda config --set show_channel_urls yes
在文件管理器中访问路径C:\Users\用户名，在用户目录下找到.condarc文件，用记事本编辑，输入以下内容并保存
channels:
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
ssl_verify: true
五、安装Pytorch
到 Pytorch官网 选择好合适的配置，复制下方的安装命令
激活刚刚用conda新建的虚拟环境mytorch，输入刚刚复制的指令
⚠️⚠️⚠️注意：把-c pytorch去掉，才会从镜像源下载，速度才会快，否则慢的太难受了
等待安装完成
【注】：这篇文章是2022年3月份写的，当时确实是存在下面这个问题，现在可能已经没有这个问题了，因此先根据下面的 检查方法 看看是否安装成功，再决定是否要用下面的修正措施。
到这里就装完了？我一开始也是这么想的，直到torch.cuda.is_available()给我返回了一个False，我人都傻了
事实是，清华源并没有GPU版本的pytorch，通过conda list可以看出pytorch的版本是cpu的
我找到了一种可行的办法：在虚拟环境下，使用官方提供的Pip方式的指令进行安装
通过以上指令安装后，我们才算真正安装成功
检验安装：在cmd中，mytorch的虚拟环境下，输入python进入Python环境，输入以下代码，如果结果返回True，则安装成功
import torch
torch.cuda.is_available()
到此为止，Pytorch的全部安装结束~