1. 安装Anaconda

Anaconda作为一个优秀的Python环境和包管理软件，使用软件包管理系统Conda进行管理，非常适合用于管理PyTorch所需要的环境和包。同时PyTorch官网也支持Conda版本的PyTorch包直接安装。
进入Anaconda官网：https://www.anaconda.com/，下载安装包，直接安装即可：

2. 配置PyTorch安装环境

在命令行中，使用如下命令配置PyTorch安装环境：

conda create --name pytorch python=3.8  //conda create --name 环境名 包名（多个包名用空格分隔，包后面可以指定版本号，如python=3.8）

3. 安装PyTorch

3.1 进入PyTorch官网：https://pytorch.org/，查看安装命令

发现Windows环境中的CUDA10.2版本的包已经不再支持，恰好自己的电脑使用的是10.2版本的CUDA，因此需要升级CUDA

3.2 升级cuda

这里需要提一下，网上升级CUDA的教程五花八门，有的已开始来就让卸载原来的驱动啥的，看得我也是心累，经过几番折腾，也算整明白一些东西。
安装之前，需要明白CUDA Driver、CUDA Toolkit、CUDNN三者的区别：

CUDA Driver是显卡需要的CUDA驱动，在官网上可以根据自己的型号选择下载：https://www.nvidia.com/Download/index.aspx?lang=en-us。只得注意的是 CUDA Driver会随着CUDA Toolkits一起安装，如果要安装CUDA Toolkit则不需要单独安装CUDA Driver，这里我们需要安装的是CUDA Toolkit、CUDNN，则不需要单独安装这个了。需要单独安装驱动，只需要找到自己对应的显卡，搜索、下载安装包、安装即可。
CUDA Toolkit是NVIDIA用于开发CUDA程序的一系列工具和库的集合（PS：我们需要的CUDNN库却没有😆，因此需要单独安装），进入官网：https://developer.nvidia.com/cuda-toolkit-archive，选择Download Latest CUDA Toolkit下载安装即可。

CUDNN是一系列用于深度神经网络开发的CUDA工具包，进入官网下载：https://developer.nvidia.com/。难受的是这里需要我们注册一个账号，并填写一份调查问卷，方可下载😠。这里下载的是一个zip压缩文件，解压以后，放到之前安装CUDA Toolkit文件夹的对应目录下，我这里是C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.6。PS：只需要全选解压后的文件和文件夹，复制到这个目录下，合并文件夹即可。

CUDA升级完成，我们就可以使用nvidia-smi或者nvcc -V查看自己的CUDA版本啦。

3.3 正式安装PyTorch

打开CMD终端，激活刚刚创建的用于安装PyTorch的conda环境，执行PyTorch官网的安装命令，由于网络原因，出现安装包下载不成功、某个文件暂时无法安装等类似的问题，该命令可能需要多次执行，然后等待完成安装即可。
如果出现HTTP错误，则需要重新配置一下codna的安装源，命令如下：

conda config --remove-key channels

如果重置了安装源也无法安装，则需要换一个安装源，这里以清华镜像安装源为例，命令如下：

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
conda config --set show_channel_urls yes

完成安装以后，可以通过一下方式测试PyTorch是否成功安装，以及CUDA是否可用。