一、环境配置安装

一、Anaconda

Ⅰ下载

最新版的anaconda可能会需要各种各样的问题，python3.6版本比较稳定，建议使用。
老铁们可以通过，Anaconda以前版本所自带Python版本，查看Anaconda所带的python版本
我用的是这个，Anaconda3-5.2.0-Windows-x86_64.exe，如果觉得下载很慢的话，可以通过清华提供的镜像进行相应版本。

Ⅱ安装

管理员身份运行，养成安装软件的好习惯

路径尽量别放在C盘下

最后的效果如下：

二、PyTorch安装

管理员身份运行 Anaconda Prompt

为了方便后续的操作，新创建个环境空间y_pytorch

Ⅰ创建环境空间

以创建环境空间为y_pytorch为例

①我这里已经创建过一个mytorch环境空间了，初始只有base这一个环境空间
查看都有哪些环境空间 conda env list

②创建新的环境空间
conda create -n y_pytorch python=3.6

③进入到新创建的环境空间
conda activate y_pytorch

④查看当前的环境空间所包含的包
pip list
可以看到里面并没有torch有关的包

Ⅱ安装pytorch

①进入PyTorch官网

根据不同的需求运行生成的命令，其中Computer Platform计算机平台表示是否使用GPU加速，前面的CUDA为CUDA Toolkit的版本，若不使用GPU加速，选择CPU即可。

②查看自己的电脑是否支持GPU加速
CPU是处理逻辑运算的，在图像渲染处理运算方面不擅长，此时就有了GPU的诞生帮助CPU处理其不擅长的图像方面的运算
Ctrl+Shift+Esc打开任务管理器，一般近年来市面上绝大多数的NVIDIA显卡都支持GPU加速，若不放心，可以去官网查看相应显卡是否支持CUDA。

③使用GPU加速的前提：驱动和CUDA Toolkit

驱动
win+r打开运行，输入cmd打开命令窗口，输入nvidia-smi
Driver Version版本要大于396.26，若小于，则可以下载360驱动等软件进行更新，或者去官网下载驱动包进行更新即可。

CUDA Toolkit
CUDA工具包建议使用9.2版本的，当然也可以选择更高版本的，为了稳定而言，最好不要使用最新版本。

④有了以上的准备，接下来开始安装PyTorch
PyTorch官网中根据自己需要在自己的环境空间中运行指定命令
我的是这个：conda install pytorch torchvision cudatoolkit=9.2 -c pytorch -c defaults -c numba/label/dev
有没有GPU加速无关紧要，只不过是后期训练模型速度的问题，不影响最基本的学习

⑤查看下环境空间下的包都有哪些
pip list，可以看到已经出现了torch相关包

⑥验证一下
python，进入python编译状态
import torch，导入torch，若没报错则安装成功
torch.cuda.is_available()，看下cuda是否支持GPU加速
quit()，退出python编译

Ⅲ删除环境空间

①切换到base环境空间中，conda activate base
②删除指定环境空间，这里以y_pytorch为例，conda env remove -n y_pytorch

三、opencv安装

在自己创建的环境空间下运行pip install opencv-python，进行下载安装opencv
验证
python，进入python编译状态
import cv2，导入opencv，若没报错则安装成功

四、Jupuyer Notebook安装

在自己创建的环境空间下运行conda install nb_conda，进行下载安装Jupyter Notebook
验证
jupyter notebook，会打开jupyter页面

创建一个python文件

但是，等了好久好久一直在连接，最终连接失败


解决方法：python -m pip install jupyter_nbextensions_configurator

之后再次进行打开即可

五、PyCharm绑定

PyCharm官网下载社区版即可，也可以使用个人版，个人版教程
新建项目New Project，选择自己创建的环境空间，例如我的是y_pytorch，即可与环境空间进行绑定。