基于全新电脑环境安装pytorch的GPU版本
前言：
距离第一次安装深度学习的GPU环境已经过去了4年多（当时TensorFlow特别麻烦），现在发现安装pytorch的GPU版本还是很简单方便的，流程记录如下。
安装步骤：
步骤一：官网下载Anaconda
直接下载最新版本到电脑里，并安装。
步骤二：查询电脑的CUDA Version
win+R 然后输入cmd调出命令窗，输入 nvidia-smi
步骤三：确定电脑GPU的NVDIA型号。
通过搜索找到”设备管理器”，再找到其中的“显示适配器”。
步骤四：更新NVIDIA驱动程序
NVIDIA官网：https://www.nvidia.cn/
选择对应的硬件环境
搜索到合适的驱动后，下载并安装（可以用C盘的默认位置）。
安装完毕后，重启电脑。
步骤五：再次查询CUDA Version
win+R 然后输入cmd调出命令窗，输入 nvidia-smi
可以看到，CUDA Version的版本已经从11.7变成了12.2。
步骤六：通过官网下载pytorch
官网地址：https://pytorch.org/
注意：CUDA Version要选择比电脑低的情况，我这里选择了默认推荐版本。
在Anaconda的prompt中输入官网指令。
pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu117
在安装过程中，遇到的选择，全部选择y。
其中，由于没有借助镜像源（增加出问题的概率），安装过程较慢（大概花了30分钟）。
步骤七：在anaconda的prompt环境测试安装结果
显示True，安装成功。
步骤八：打开anaconda自带的spyder编辑器进行测试
步骤九：跑一个MNIST数据集分类样例代码测试
nvidia-smi -l 1实时观察GPU的占用率
补充说明
（1）windows系统需要增加Anaconda的环境变量。
（2）matplotlib通常需要重新安装对应版本，很容易版本不匹配。