数据科学交流群，群号：189158789 ，欢迎各位对数据科学感兴趣的小伙伴的加入！
1.切换国内源
1.1.在家目录生成.condarc
conda config --set show_channel_urls yes
1.2.修改.condarc文件
show_channel_urls: true channels: - defaults channel_alias: https://mirrors.tuna.tsinghua.edu.cn/anaconda default_channels: - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2 - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/pro - https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge - https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2 - https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/bioconda - https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/menpo - https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch - https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/simpleitk
1.3.清除索引缓存，保证用的是镜像站提供的索引
conda clean -i
2.安装mamba
Conda作为使用最为广泛的数据科学环境管理工具，可以协助我们很方便的完成创建管理环境、下载安装第三方库、软件包等操作，但其在下载资源的过程中下载速度时常令人捉急，即使使用连接速度更快的国内镜像，也摆脱不了其单线程挨个下载资源导致的低效问题。
而Mamba（黑曼巴）专为加速Conda而生，其改写了Conda下载资源的固有方式，以多线程的方式对网络资源进行并行下载，从而大幅提升Conda效率，以下是安装mamba的方法：
conda install mamba
3.在线安装PyTorch
3.1.到官网获取安装方式：
https://pytorch.org/get-started/locally/
可以看到里面的命令是这个：
conda install pytorch torchvision torchaudio cudatoolkit=10.2 -c pytorch
3.2.使用mamba安装PyTorch
注意这里我们呢要去掉-c，这样才会从默认的清华源来进行安装，并且我们要使用mamba来加速
mamba install pytorch torchvision torchaudio cudatoolkit=10.2
4.离线安装PyTorch
如果你觉得mamba的安装还是比较慢，可以使用专业的下载工具，比如迅雷。
但是在下载之前你要明白你要知道安装包的下载地址：
如上图所示，包在解析的时候一般会告诉你地址，用浏览器直接访问这些地址，使用Ctrl+F来搜索具体的包名即可找到。
下载好了以后我们可以使用
conda install --use-local ……
把……替换成你的文件的绝对路径名，如果是windows10，你可以直接按住shift+鼠标右键，然后点击“复制为路径”即可
此时粘贴到命令行终端即可。例如：
conda install --user-local "F:迅雷云盘pytorch-1.7.1-py3.8_cuda102_cudnn7_0.tar.bz2"
注意：由于反复多次下载，很有可能会产生上次的下载内容会对下一次安装产生问题，此时，可以看看报错信息，找到对应的路径删除同名的文件夹即可，然后再用conda install --use-local 来安装就不会再报错了！！！
5.验证一下安装：
进入python环境中：
python
运行：
import torch x = torch.rand(5, 3) print(x)
检查Cuda：
import torch torch.cuda.is_available()
最后，祝你快快安装成功，以便能够进入深度学习的学习阶段！！！
数据科学交流群，群号：189158789 ，欢迎各位对数据科学感兴趣的小伙伴的加入！