一、 安装python环境，建议使用anaconda
Anaconda
Anaconda是一个开源的Python发行版本，包含大量科学计算相关包。
Anaconda提供包管理和环境管理功能，可以方便解决多版本python并存，切换，软件包极其依赖安装问题。
官网 ： https://www.anaconda.com/
进入download页面选择对应python版本下载。
Anaconda服务器在海外，速度较慢，可以到清华镜像网搜索Anaconda下载。
https://mirrors.tuna.tsinghua.edu.cn/
Anaconda自带很多科学计算相关包了，如果需要的包没有，可以用pip或conda安装。
如要安装numpy，终端输入
pip install numpy 或者 conda install numpy 。
如果觉得下载慢，可以用清华镜像。
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple your-package
二、pytorch安装
PyTorch
由Torch7团队开发，以python为开发语言的深度学习框架，能实现GPU加速和动态神经网络（很多主流框架如Tensorflow不支持）
PyTorch可看做GPU加速支持的numpy，也可看做拥有自动求导功能的深度神经网络。
CPU版本的pytorch的安装
进入pytorch官网 : https://pytorch.org/
选择要安装的版本，如果电脑没有可进行GPU加速的显卡（比如我的macbook），cuda就选择none。
在终端运行下方生成的语句。
如 conda install pytorch torchvision -c pytorch
如果电脑有显卡可GPU加速，需要先安装cuda，才能安装GPU版本的pytorch
GPU版本的pytorch的安装
1. 安装 Nvidia Cuda
首先确认电脑显卡安装好驱动且支持cuda。
linux显卡驱动安装。
进入系统设置
选择相应显卡驱动并安装。
安装 Nvidia Cuda ：
https://developer.nvidia.com/cuda-downloads
根据下方给出的命令在终端运行。
最好opengl选择n，因为可能有安装后无法启动图形化桌面的问题。
配置环境变量
sudo vim ~/.bash_profile
在文本末尾加上
export LD_LIBRARY_PATH="$LD_LIBRARY_PATH:/usr/local/cuda/lib64:/usr/local/cuda/extras/CUPTI/lib64"
export CUDA_HOME=/usr/local/cuda
2. 安装 CuDNN
进入 ： https://developer.nvidia.com/cudnn
需要注册，注册完搜索cudnn进入如下界面：
选择你要的版本，下载下来的是deb包
运行sudo dpkg -i <package.deb>安装
3. 安装GPU版本pytorch
和之前安装CPU版pytorch差不多，最后一行选择cuda 8.0，执行相关命令就行。
4. 测试
终端进入python界面
>>> import torch
>>> torch.cuda.is_available()
True
结果为True，则GPU版pytorch安装成功。
