pytorch是一个优雅的深度学习库，相比TensorFlow更年轻也更充满潜力，在官方的介绍中pytorch只支持linux和mac，但其实windows也是可以安装以及正常使用的
平台：
win10（版本1709）
CPU：i5-7400
显卡：1060 6G
内容：8G
软件：
anaconda3
pycharm专业版
首先从官网下载相应的cuda和cudnn库，记住下载win10版本的，不要下错。一些额外的下载信息可以查看我之前的一篇文章（pytorch-0.2成功调用GPU：ubuntu16.04，Nvidia驱动安装以及最新cuda9.0与cudnnV7.0配置）：http://blog.csdn.net/iamoldpan/article/details/78459208
windows下安装cuda和cudnn还是非常容易的，下载最新版即可（cuda9.0和与之相对应的cudnn版本）
安装好之后，开始创建虚拟环境，这里建议使用anaconda3，不论是方便性还是拓展性都比只使用pip强。在官网下载anaconda3然后进行安装，创建一个虚拟环境：http://blog.csdn.net/iamoldpan/article/details/77969477（注意在安装的时候需要勾上环境变量的选项，如果没有需要自行在环境变量中加入相应路径（…/anaconda3/Scripts））
创建好虚拟环境后，在pycharm中创建工程，将解释器选择为之前创建的环境（不用pycharm也可以，这里只是做例子，只要有python的简单IDE即可）：
上图是已经安装完成后的解释器界面，可以看到pytorch和torchvision以及一系列依赖包都已经安装好。
选择解释器后，开始conda环境中只有刚开安装的几个程序包，这是需要安装pytorch需要的依赖包：
注意：一定要在虚拟环境中进行安装，如果在终端中创建了虚拟环境但是无法激活，可以通过conda install -n my-env package指令虚拟环境来进行安装，同样pip安装直接使用虚拟环境中的pip命令进行安装：.../envs/my-envs/Scripts/pip install package，总之要安装到虚拟环境中去。
conda install numpy pyyaml mkl setuptools cmake cffi
因为直接从官网源下载速度很慢，我们可以修改conda的安装源来进行加速：
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/ conda config --set show_channel_urls yes
然后进行依赖包的安装
安装完依赖包后，开始进行pytorch和torchvision的安装：
首先下载pytorch的pip安装包：https://pan.baidu.com/s/1nvaamrn#list/path=%2F
我安装的是，pytorch-0.2.1-py36he6bf560_0.2.1cu80.tar.bz2，即python3.6-cuda8版本的安装包下好后，进入到该文件的目录中，在终端中输入：
pip install pytorch-0.2.1-py36he6bf560_0.2.1cu80.tar.bz2
即可进行安装，安装速度一般很快，如果是固态硬盘，5~6s即可安装完毕。
torchvision的安装相对简单很多，是从conda和pip安装即可，只要注意安装到对应的虚拟环境中即可。
大功告成
全部安装完后，如果没有意外：
就可以在window中使用pytorch了
