1 了解GPU

gpu通过大量线程并行，使得处理深度学习的速度要比cpu快很多，具体gpu概念请点击gpu。

2 查看显卡

查看自己的显卡是否支持cuda和cudnn加速深度学习。Intel开头的为集成显卡，AMD、NVIDIA开头的为独立显卡。

有NVIDIA（英伟达）的独立显卡即可。

3 安装CUDA和cuDNN

3.1 查看显卡支持的CUDA的最高版本

win+R打开cmd，输入nvidia-smi

3.2 下载安装显卡支持的CUDA

https://developer.nvidia.com/cuda-toolkit-archive

3.3 下载与CUDA对应的cuDNN

https://developer.nvidia.com/rdp/cudnn-archive

3.4 安装cuDNN（插入式安装）

3.5 验证CUDA与cuDNN安装

Win + R 输入cmd 调出命令提示符，输入nvcc -V查看是否安装成功，安装成功会有以下安装的版本信息

4 安装anaconda

4.1 下载安装anaconda

4.2 创建pytorch虚拟环境

创建虚拟环境

conda create -n 环境名称 python=版本

删除虚拟环境

conda remove -n 环境名称 --all

激活环境

conda activate 环境名称

查看环境下包信息

conda list

关闭环境

conda deactivate

4.3 安装pytorch或者tensorflow

进入pytorch官网，下载安装对应版本pytorch
https://pytorch.org/get-started/previous-versions/

或者下载tensorflow
例如：

conda install tensorflow-gpu=1.13

4.4 注意

切换为清华镜像源，不然安装库时会出现超时错误
参考以下链接：
Windows环境下更换Anaconda清华源

5 安装pycharm

导入pytorch环境