本文中標紅的，代表的是我認為比較重要的。
本文主要用來記錄自己在安裝pytorch中出現的問題，同時希望我也能夠幫助大家解決一些共同遇到的問題。
python程序的運行很依賴環境，因為在base環境下的python已經是python3.10了，所以嘗試創建一個新的環境，用來存放pytorch。【突然發現自己沒有嘗試去，把base環境下的python版本給降低，待會去試一下】
如何構建虛擬環境：
1.如何查看自己的Anaconda的環境。輸入
conda env list第一步 win + r
第二步 cmd
第三步 調用如下命令
pip3 install torch torchvision torchaudio -i https://pypi.tuna.tsinghua.edu.cn/simple第四步 pip list檢查安裝
第五步 IDE 環境下運行
經過上面幾步，我們的pytorch庫下的torch，torchvision,torchaudio就安裝成功。
PyTorch提供了一個簡潔快速的安裝過程，這也是PyTorch優勢之一。PyTorch支持Windows、Linux、MacOS等操作系統，目前為止最新版本PyTorch對操作系統的要求如下。
（1）Windows操作系統。
Windows 7及以上版本，推薦Windows 10或更高版本。
Windows Server 2008 R2 及更高版本。
（2）Linux操作系統。
使用glibc >=v2.17 的 Linux 發行版支持安裝 PyTorch，其中包括Ubantu 13.04 及以上版本，具體的支持版本列表參考PyTorch文檔。
（3）MacOS操作系統。
macOS 10.15 （Catalina）或更高版本支持 PyTorch。
安裝PyTorch之前需先安裝Python，推薦使用Python 3.7以上的64位版本。本書推薦使用Miniconda搭建Python環境。Miniconda是最小的Conda安裝程序，它提供了類似沙盒的環境，避免了在老的Python環境中安裝可能會遇到的庫依賴沖突等問題，對初學者十分友好。Miniconda本身包含著Python，安裝完Miniconda我們將獲得Conda包管理工具和Python環境。
可在Miniconda官網（網址為https://docs.conda.io/en/latest/miniconda.html）下載適合讀者當前系統的、64位版本的、使用Python 3的Miniconda安裝包，下載頁面截圖如圖1-1所示。
圖1-1 Miniconda官網下載頁面
Miniconda的安裝比較簡單，Windows平臺下雙擊安裝包，根據提示單擊“下一步”按鈕，使用默認設置安裝即可。Linux系統使用bash命令安裝，安裝過程中會詢問是否添加到系統環境，選擇“y”選項即可添加到系統環境。MacOS平臺下載PKG的安裝包安裝。安裝好Miniconda后，我們就安裝完Python環境了。Windows平臺下可在程序中搜索Anaconda Prompt(miniconda) ，找到后單擊它即可進入命令行環境，如圖1-2所示。
圖1-2 Anaconda Prompt 命令行
注意：圖1-2命令行前面的（base）表示我們已經進入了Miniconda基礎環境。在Linux等平臺，如果安裝Miniconda時選擇了添加到系統環境，直接打開終端即可。
PyTorch分為CPU版本和GPU版本，GPU版本需有NVIDIA顯卡硬件支持，如果讀者的計算機沒有NVIDIA顯卡硬件支持，請直接安裝CPU版本，安裝命令參考PyTorch官網https://pytorch.org/get-started/locally/。
官網為我們提供了安裝命令的提示，這一點非常的方便，無論之后版本如何變化，都建議讀者按照官網這里的提示進行安裝，PyTorch官網的CPU安裝提示如圖1-3所示。
圖1-3 PyTorch官網CPU安裝提示
在圖 1-3 所示的PyTorch官網網頁上，從上到下依次選擇安裝版本（PyTorch Build）、系統平臺（Your OS）、安裝方式（Package）、編程語言（Language）以及計算平臺（Compute Platform），網頁會給出安裝命令。例如在圖1-3中， PyTorch Build處選擇Stable(1.11.0)， Your OS處選擇Windows， Package處選擇Conda， Language處選擇Python，Compute Platform處選擇CPU，則網頁給出PyTorch 當前最新穩定版CPU版本的安裝命令如下。
conda install pytorch torchvision torchaudio cpuonly -c pytorch將這行安裝命令復制到Anaconda Prompt命令行或者終端，執行即可開始CPU版本的安裝，安裝過程中如果沒有提示下載中斷或錯誤，說明成功地安裝了CPU版本的PyTorch。
GPU版本的PyTorch可以利用NVIDIA GPU強大的計算加速能力，使PyTorch的運行更為高效，尤其是可以成倍提升模型訓練的速度。GPU版本需有NVIDIA顯卡硬件支持，如果選擇安裝GPU版本，請確保計算機已安裝NVIDIA顯卡和顯卡驅動并且顯卡型號支持CUDA，具體顯卡型號是否支持可查詢NVIDIA官網。
CUDA是一種由NVIDIA推出的通用并行計算架構，該架構使GPU能夠解決復雜的計算問題。為了使用CUDA，需要安裝CUDA Toolkit套件，它會與PyTorch一并使用Conda安裝。下面將演示的安裝教程僅適用Windows和Linux平臺，MacOS平臺GPU版本的安裝需要從源碼構建。
GPU版本的安裝依然通過PyTorch官網安裝頁面（https://pytorch.org/get-started/locally/）選擇安裝命令，如圖1-4所示。
圖1-4 PyTorch官網GPU安裝提示
在圖1-4中，從上到下依次選擇安裝版本（PyTorch Build）、系統平臺（Your OS）、安裝方式（Package）、編程語言（Language）以及計算平臺（Compute Platform），即在PyTorch Build處選擇Stable(1.11.0)， Your OS處選擇Windows， Package處選擇Conda，Language處選擇Python，Compute Platform處選擇CUDA 11.6，則網頁會給出如下安裝命令。
conda install pytorch torchvision torchaudio pytorch-cuda=11.6 -c pytorch -c nvidia將這行安裝命令復制到Anaconda Prompt命令行或者終端，執行即可完成GPU版本的安裝。安裝過程中需要從Anaconda提供的官方源下載PyTorch和CUDA Toolkit等安裝包，這些包都比較大，如果發生了網絡中斷，讀者可嘗試重新執行安裝命令再次安裝。讀者在選擇CUDA版本時有以下兩點要特別注意。
（1）Windows平臺只能選擇 CUDA 11.3或更高版本。
（3）關于這個CUDA 的選擇，在本書寫作的時候僅有圖中顯示的11.6和11.7兩個版本，未來可能會發生變化，總的原則是，盡量選擇的高的版本。
以上為CPU版本和GPU版本的安裝過程，讀者根據自己的計算機有無NVIDIA顯卡選擇一個版本安裝即可。除此之外，Windows平臺還需要安裝Microsoft Visual C++（VC_redist.x64.exe），可從微軟網站（網址為 https://docs.microsoft.com/zh-CN/cpp/windows/latest-supported-vc-redist）下載安裝最新支持的 Visual C++ 。在很多時候，讀者的計算機可能已經安裝過這個Visual C++，如果安裝的時候提示已經安裝了其他版本，那就沒有必要重復安裝了。
完成PyTorch庫的安裝后，我們還需要安裝輔助的庫，例如繪圖庫Matplotlib、數據分析庫pandas以及開發編輯工具Jupyter Notebook等，可在Anaconda Prompt命令行或者終端執行以下安裝命令。
pip install pandas matplotlib notebook
至此，環境配置結束。
下面來測試一下我們的安裝是否成功。上面命令已安裝了Jupyter Notebook，Jupyter Notebook是基于網頁的、用于交互計算的應用程序，其可被應用于全過程計算：開發、文檔編寫、運行代碼和展示結果。簡單來說，Jupyter Notebook以網頁的形式打開，可以在網頁頁面中直接編寫代碼和運行代碼，代碼的運行結果也會直接在代碼塊下顯示。如在編程過程中需要編寫說明文檔，可在同一個頁面中直接編寫，便于筆者及時地說明和解釋。Jupyter Notebook是本書推薦讀者使用的代碼編寫工具，它對初學者十分友好，是數據分析的標準環境，其使用界面如圖1-5所示。
圖1-5 Jupyter Notebook使用界面
要打開Jupyter Notebook，需要在Anaconda Prompt命令行或終端中執行如下命令。
jupyter notebook
然后按Enter鍵，即可在瀏覽器中打開Jupyter Notebook的Home頁面，如圖1-6 所示。
圖1-6 Jupyter Notebook的Home頁面
單擊Home頁面右上角的New下拉列表框，在下拉列表中選擇“Python 3”選項，會打開一個新的編寫代碼頁面，如圖1-7所示。
圖1-7 Jupyter Notebook編寫代碼頁面
這樣我們就新建一個kernel，它只有一個閃著光標的空行，我們在這一行輸入以下代碼即可導入PyTorch。
import torch
按住shift鍵并單擊Enter鍵執行此行代碼，如果沒有報錯且行號前面出現了“[1]”，說明PyTorch安裝成功并已導入當前環境，如圖1-8所示。
圖1-8 導入PyTorch
執行完代碼后，會在代碼下面自動添加一個空行，方便繼續編寫代碼。我們可以構造一個隨機初始化的張量來測試一下PyTorch。在下一行輸入以下代碼。
x=torch.rand(5, 3)
print(x)
如果一切順利，將看到類似如圖1-9所示的輸出。
圖1-9 生成并打印隨機數
如果安裝的是GPU版本，可運行以下代碼以確認是否啟用了CUDA驅動程序。
torch.cuda.is_available()
執行上面這行代碼，如果返回值為True，說明成功安裝了GPU版本的PyTorch。
本章我們介紹了PyTorch庫，并詳細講解了環境配置和安裝。學習完本章，讀者需要在自己的計算機上完成PyTorch的安裝并做測試。PyTorch庫的安裝相比TensorFlow等類似庫要簡單很多，其關鍵點在使用Miniconda配置環境并嚴格按照官網的安裝命令提示進行安裝。