开始
这一小节中，主要描述 PyTorch 的安装流程。
请根据您的设备选择对应部分的教程。
Windows
miniconda 安装
首先，我们在本机进行 miniconda 的安装。
打开 conda 官网 https://docs.conda.io/en/latest/miniconda.html 。
选择 Latest Miniconda Installer Links 中的对应版本。（如图中 Windows 64-bit 所示）
浏览器将自动开始下载，下载完成后，双击打开安装文件，该工具将会自动安装 miniconda 。
⚠️需要注意的是，在 Windows 系统中，可以在这一步把 miniconda 加入环境变量，这样可以在 Windows 的 PowerShell 以及 DOS 中直接使用 conda 命令。否则后续的使用中，需要在 conda 的 bash 中进行操作，通常情况下，我们建议设置环境变量。
虚拟环境创建
接下来，我们创建第一个虚拟环境。
打开 PowerShell，输入如下命令，这会在您的电脑上创建一个名为 torch 的 python3.9 环境并激活。
$ conda create -n torch python=3.9 $ conda activate torch
PyTorch 安装
接下来，我们在这个环境中安装 PyTorch 。
打开 PyTorch 官网 https://pytorch.org/get-started/locally 。
在 Start Locally 中，依次选择 Stable-Windows-Conda-CUDA版本。（如图中所示；若您并不使用 NVIDIA 显卡，请选择 CPU）
若您的 CUDA 版本高于任存的一种情况，尽量选择所提供的最高版本（图中11.6）。
将显示的命令复制到 Terminals 中，这将开始 PyTorch 的安装。
$ conda install pytorch torchvision torchaudio cudatoolkit=11.6 -c pytorch -c conda-forge
⚠️需要注意的是，Conda 默认的下载源可能会由于网络因素，下载 PyTorch 会比较慢。因此有两个建议，一个是改用 pip，即在图片中选择 pip 一栏；二是换源，具体教程在 https://zhuanlan.zhihu.com/p/87123943 。
CUDA 以及 CUDNN
关于 CUDA 的安装，请按 Pytorch 官网所给予的 CUDA 版本下载安装。
CUDA 下载地址：https://developer.nvidia.com/cuda-downloads 。
cuDNN 下载地址：https://developer.nvidia.com/rdp/cudnn-download 。（需要注册 NVIDIA 账号）
macOS
由于 PyTorch 当前仅支持 CPU 及 CUDA 计算，PyTorch-macOS 并不能调用 GPU 进行计算。
miniconda 安装
首先，我们在本机进行 miniconda 的安装。
打开 conda 官网 https://docs.conda.io/en/latest/miniconda.html 。
选择 Latest Miniconda Installer Links 中的对应版本。（如图中 Intel x86 64-bit 所示）
双击打开后，该工具会进行自动安装。
虚拟环境创建
接下来，我们创建第一个虚拟环境。
打开 Terminals，输入如下命令，这会在您的电脑上创建一个名为 torch 的 python3.9 环境并激活。
$ conda create -n torch python=3.9 $ conda activate torch
PyTorch 安装
接下来，我们在这个环境中安装 PyTorch 。
打开 PyTorch 官网 https://pytorch.org/get-started/locally 。
在 Start Locally 中，依次选择 Stable-Mac-Conda-Default。（如图中所示）
将显示的命令复制到 Terminals 中，这将开始 PyTorch 的安装。
$ conda install pytorch torchvision torchaudio -c pytorch
Linux 服务器
对于实验室提供的服务器而言，通常而言 CUDA、CUDNN、Conda 已经安装完毕。因此在开始一个新的环境前，您首先应当检查是否存在已经满足您需求的环境。
检查现存环境
通过在终端中输入如下命令，您可以看到您所登陆的用户当前全部环境。
$ conda env list
若您确认您的任务所需环境并不属于任何一种，亦或是对操作不存在信心，您可以创建一个新的虚拟环境。
虚拟环境创建
在该终端中，输入如下命令，这会在服务器上创建一个名为 mnist 的 python3.9 环境并激活。
$ conda create -n mnist python=3.9 $ conda activate torch
在虚拟环境中，您可以安装 PyTorch 及其他您所依赖的包文件。
CUDA 环境检查
同 macOS 的安装过程近似，我们在这个环境中安装 PyTorch 。
不过在此之前，您需要检查服务器的 CUDA 版本。
$ nvidia-smi
您将会在输出的右上角看到当前服务器所使用的 CUDA 版本。
PyTorch 安装
接下来，我们可以开始 PyTorch 的安装。
打开 PyTorch 官网 https://pytorch.org/get-started/locally 。
在 Start Locally 中，依次选择 Stable-Linux-Conda-CUDA版本。（图中所示为CUDA=11.6的情况）
若您的 CUDA 版本高于任存的一种情况，尽量选择所提供的最高版本。（图中选择了 11.6 版本）
将显示的命令复制到终端中，这将开始 PyTorch 的安装。
$ conda install pytorch torchvision torchaudio cudatoolkit=11.6 -c pytorch -c conda-forge
编写代码
这一小节中，主要描述如何在编辑器/IDE中使用上文创建的虚拟环境。
请根据您的偏好选择对应部分的教程。
VSCode
在针对少数文件进行开发时，VSCode是一种不二选择。
安装 Python 语言插件
在扩展界面中，搜索 python 后选择由 Microsoft 发布的插件。（如图所示）
选择 Python 环境
当您打开任意 python 文件后，窗口右下角将出现环境选择栏。（图中 “3.10.4 torch: conda”）
点击后，将会出现如图页面，从其中选择您所需要的环境即可。
PyCharm
在面对大型项目时，VSCode 可能略微逊色，这时您可以尝试考虑 JetBrains 开发的 PyCharm 。
添加并选择本地 Python 环境
该种情况适用于您的本地环境，对于使用服务器的同学，请参考下一小节。
当您打开任意 python 文件后，您可以在窗口的右下角找到环境选择栏。（图中 “python 3.9”）
选择“添加新的解释器”后，在高级一些的版本中选择“添加本地解释器”。
在右侧栏目中，选择 Conda 环境，在解释器一栏中选择您所需要使用的环境即可。
添加并选择远程服务器
这种情况适用于使用远程服务器进行开发的同学，基于此种情况，我们假设您已经非常了解终端操作方式且具备服务器连接能力。
首先，请在远程服务器的终端中激活对应的环境，并输出 python 可执行文件的路径。
$ conda activate torch $ which python
这将返回一个指向当前虚拟环境 python 可执行文件的路径。
接下来，回到本地的 PyCharm 中，从右下角的环境选择栏中选择“添加新的解释器”，在高级一些的版本中选择“SSH”。（如图所示）
这里您可以根据您的服务器连接方式，填写相应信息，创建 SSH 连接目标机。
在“系统解释器”中，在“解释器”一栏输入您上文中所获取到的“虚拟环境 python 可执行文件的路径”。
并在“同步文件夹”中指定一处路径，用于放置您代码的远端拷贝版本。