一、电脑配置
CPU Inter Core i7 8代
GPU NVIDIA GeForce GTX1060
Windows10
所需的环境：
Anaconda3(64bit)
CUDA-9.0
CuDNN-7.1
二、安装cuda
1.查看自己电脑NVIDIA图形卡是否支持GPU运算
在安装之前你要先查看你的电脑是否支持GPU运算,否则你也不用安装了。
打开终端：
方法一：
ubuntu-drivers devices
我的显卡是GTX1060的
方法二：
可以查看自己当前主机的显卡型号以及个数
2.查看当前主机是否为64位：
uname -a
3.安装推荐的显卡驱动程序（重要）
方法(推荐)：
首先打开linux系统（Ubuntu16.04）找到设置，设置中的"软件和更新"部分，然后打开，找到“附加驱动”，打开后安装系统推荐的驱动。
然后就是静静等待安装完成就可以了。安装完成后记得重启电脑！重启电脑！重启电脑！
这种方法的好处就是不易出错，配置的话电脑都给你做好了。
（选）如果你的电脑误把专用的显卡驱动程序给删掉，或者你上面那个图中都没有东西的话，你可以试试下面这个：（我就是。。。脸黑。。），可以先装回来一个：（这步一般大家不用执行）
sudo apt install nvidia-cuda-toolkit
4.下载CUDA9.0地址下载：https://developer.nvidia.com/cuda-downloads
下面这个是10.0目前官网最新
1）若要安装其他版本的到：Legacy Releases,我安装的是9.0
选择相对应的版本（下载基本包以及补丁）：
2）安装自己版本的sudo sh cuda_9.0.176_384.81_linux.run
只有驱动部分是不需要安装的，因为之前已经安装过了，剩下的基本上都是yes默认
3）配置环境变量：
打开配置环境的文件：
sudo gedit ~/.bashrc
在打开的文本末尾加入：
export PATH=/usr/local/cuda-9.0/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda-9.0/lib64:$LD_LIBRARY_PATH
在终端输入下面的语句，使更改的环境变量生效：
$ source ~/.bashrc
查看是否安装成功：
nvcc -V
或者：
sudo nvidia-smi
或者：依次在终端输入：
cd NVIDIA_CUDA-9.0_Samples/0_Simple/vectorAdd
make
./vectorAdd
结果出现test passed成功：
三、安装cudnn7.4.1
（要安装对应cuda版本的cudnn）
安装cudnn :https://developer.nvidia.com/rdp/cudnn-download
1）linux下载第三个：
2）然后打开终端，1、cd到文件的下载目录；2、解压cudnn9.0文件；3、复制一些文件；
在终端依次中输入以下命令：
cd cd /media/你的用户名/TOSHIBA EXT/alu/CUDA/ # 进入 cuDNN 安装文件的所在路径 tar xvzf cudnn-9.0-linux-x64-v7.4.1.5-1.tgz # 解压 sudo cp cuda/include/cudnn.h /usr/local/cuda/include # 复制到 include 中 sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64 # 复制到 lib64 中 sudo chmod a+r /usr/local/cuda/include/cudnn.h /usr/local/cuda/lib64/libcudnn* # 讲头文件复制进去
至此，cuda和cudnn安装结束，接下来就可以安装自己需要的东西了
四、安装anaconda安装+创建新环境
如果不安装anaconda，也可以，可以直接在自己环境下pip安装东西，但是因为anaconda会自带很多依赖包，我们不需要安装，而且它还可以创建多个环境实现py2和py3的切换，我觉得这个很好
1）anaconda：Ubuntu 安装 Anaconda3 详细步骤
我按装的是，可以到清华源下载很快：https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/
2）安装完成之后，如入安装的是anaconda3,输入python，则默认是python3.5
查看anaconda版本和conda版本：
打开jupyter notebook
jupyter notebook
3）如果你不用其他环境时，只用py3.5，可以直接conda或者pip来安装一些东西，这个我就多说了，接下来我主要是写在anaconda下创建多个环境，并在该环境中安装依赖包
直接在该环境下安装pytorch（参照下面的 五、）
conda install pytorch torchvision -c pytorc
##########测试#############
import torch as t x=t.rand(5,3) y=t.rand(5,3) if t.cuda.is_available(): x=x.cuda() y=y.cuda() print(x+y)
如果要多个环境，还不想太乱的话，可以
接下来可以转到我的另一篇，来配置anaconda的多个环境：Anaconda3+python3环境下如何创建python2环境（win+Linux下适用，同一个anaconda下py2/3共存）
也可以看这里，我以anaconda3下配置环境py2.7下安装pytorch为例：
（1）首先查看环境（如果你只有一个环境，没有创建环境时，所有都默认在一个root环境下）：
conda info -e
（2）创建新环境（名字叫py27，环境是python2.7）
conda create -n py27 python=2.7
安装完成后，激活环境：
source activate py27
退出环境：
source deactivate
（3）在新环境下查看当前安装的依赖包：
source activate py27#激活环境 python --version#查看python版本是不是2.7 conda list#目前环境下的包
（4）因为刚刚creat创造py27环境下，只安装一些必要包，所以还需要安装其他包
conda install anaconda
五、在新环境下安装pytorch
（1）到pytorch官网https://pytorch.org/找对应版本安装
下面的run this command：是提示应该输入的命令行
conda install pytorch torchvision -c pytorch=0.4.1#我安装的是pytorch0.4.1版本
（2）检验是否安装成功：
import torch torch.cuda.is_available()#查看是否可用
torch.cuda.get_device_name(0)#查看自己的显卡设备
x = torch.rand(5,3) y = torch.rand(5,3) if torch.cuda.is_available(): x = x.cuda() y = y.cuda() print x+y
测试结束。
参考：https://blog.csdn.net/zzc15806/article/details/81669591