默认Windows环境（Linux类似，反正Anaconda命令都一样），有支持CUDA的N卡（废话，没N卡跑什么机器学习www）
这个踩坑总结只是我在入门阶段的配置环境中踩过的一些坑。本人亲身经历难免有疏漏，请海涵斧正。
总体目标：不重复踩坑，尽可能追求极致便利，一步快速完成环境（笑）。
首先在Anaconda官网：Anaconda | The World’s Most Popular Data Science Platform[0]
下载并安装。
点击Win徽标在开始菜单找到Anaconda/Anaconda Prompt。
conda create -n pytorch python=3.8 #创建名为pytorch的虚拟环境 python=3.8为版本限制 貌似去掉也不影响
activate pytorch #激活虚拟环境 之后的操作就都在虚拟环境内进行了
conda config --remove-key channels
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --set show_channel_urls yes
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
#以上操作均为换清华源
conda update -n base -c defaults conda #检查conda内包更新
conda install -c conda-forge mamba #安装mamba多线程下载器 加速下载
mamba install pytorch torchvision torchaudio cudatoolkit=11.3 -c pytorch -c conda-forge
#11.3是目前最新版 cudatoolkit版本随Pytorch官网而定PyTorch官网：Start Locally | PyTorch[0]
最后一步由于不得不用官方源可能是整个过程中最慢的一步，之所以用回官方源是因为国内源大都不是最新版（表现为去掉-c后用清华源直接找不到包）。
如果显卡驱动保持较新，一般来说用最新的cudatoolkit版本就不会出CUDA版本的问题。
下载速度如果过慢建议凌晨用5G（
检验是否成功安装以及能否成功调用CUDA计算：
还是在Anaconda Prompt中：
python
import numpy
import torch
import torchvision
torch.cuda.is_available()返回True说明安装完全成功。
如果失败，win+r打开cmd，输入：
nvidia-smi（Linux Shell同）
表格通常会打印出来
对照你的CUDA版本（右上角CUDA Version）是否大于等于Pytorch官网所示建议版本（目前为11.3）：
如果低于该版本，建议不要纠结版本对应关系了，直接去NV官网升级显卡驱动：官方驱动 | NVIDIA[0]
注意这里的产品类型消费级家用卡基本都是GeForce，GeForce RTX也是GeForce（
而下面的NVIDIA RTX系列是专业卡
顺带一提，由于torch和opencv经常联动使用，要装opencv的话直接在Anaconda Prompt中：
activate pytorch
pip install opencv-python -i https://pypi.tuna.tsinghua.edu.cn/simple/文章出处登录后可见！
