还在为各种包的版本匹配发愁，还在冥想这个错误到底从何而来。
放弃吧，重装（换个环境）才是王道。
安装Cuda
tensor在GPU上运行是可以提高一定的处理效果的 首先需要检查一下你的GPU，查看一下版本 很简单进入任务管理器，打开性能，就能看见你GPU的参数啦（一般游戏笔记本是有两张显卡的，一张独显，一张集显）
前往Cuda官网 下载驱动，安装即可
下载后，默认安装就好。然后打开cmd，输入 nvidia-smi 即可查看
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels http://mirrors.ustc.edu.cn/anaconda/pkgs/free/
conda config --set show_channel_urls yes
安装Anaconda
硬件好了，我们需要一个集成环境帮我们管理包和他们之间的依赖 anaconda当然是很好的选择
这里推荐两个路径：Anaconda官网和清华软件镜像园
同样也是下载安装即可，注意勾选默认到Path环境变量就行。
这里我们需要注意，修改一下anaconda的源：清华大学开源软件镜像站和中国科技大学镜像站 方便我们下载
conda config --add channels http://mirrors.ustc.edu.cn/anaconda/pkgs/free/
conda config --add channels http://mirrors.ustc.edu.cn/anaconda/pkgs/main/
conda config --add channels http://mirrors.ustc.edu.cn/anaconda/cloud/menpo/
conda config --add channels http://mirrors.ustc.edu.cn/anaconda/cloud/bioconda/
conda config --add channels http://mirrors.ustc.edu.cn/anaconda/cloud/msys2/
conda config --add channels http://mirrors.ustc.edu.cn/anaconda/cloud/conda-forge/
conda config --add channels http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --add channels http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
conda config --add channels http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/
conda config --add channels http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/bioconda/
conda config --add channels http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/menpo/
conda config --add channels http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/peterjc123/
conda config --add channels http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/ #安装pytorch的小伙伴这个源一定不要漏
conda config --set show_channel_urls yes
衷心提醒网址一定要是http 不能是https，要不然会访问报错。 网址也不需要加引号切记
当然也可以自己手动去 C：用户下修改.condarc（这里贴出我的文件内容）
ssl_verify: true
channels:
- defaults
show_channel_urls: true
channel_alias: https://mirrors.tuna.tsinghua.edu.cn/anaconda
default_channels:
- http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
- http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free
- http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r
- http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/pro
- http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2
- http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/peterjc123/
- http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/menpo/
- http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/bioconda/
- http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/
- http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
- http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
custom_channels:
conda-forge: http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
msys2: http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
bioconda: http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
menpo: http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
pytorch: http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
simpleitk: http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
查看conda版本 conda -version
升级conda工具包 conda upgrade --all
查看当前conda环境 conda env list
创建虚拟环境 conda create -n python=3.8 这样anaconda就会去找python对应的包 耐心等待就好
激活环境 conda activate py38 我这里的py38就是我新建的虚拟环境名称
conda还有一个好处 就是可以版本回滚 方便回到之间的状态
conda list --revisions
若想回滚到某个时刻，直接输入那个版本号就行了，例如我想回滚到第10个版本，即
conda install --revision 10
安装torch
直接在官网寻找就好了，对应好自己的操作平台，和cuda版本下载即可
之前设置的源，会为我们找到国内的镜像路径，加快下载速度
测试torch
如果在Pycharm内，直接进入project选择新建虚拟环境的python.exe即可 如果在Jupyter Notebook中，则需要多安装一个包 nb_conda 安装完以后你就会发现你的jupyter会多一个conda插卡，可以查看conda的虚拟环境
运行的程序的时候，注意选择kernel是哪个环境的 以免发生版本错误 这些都是显示torch信息的一些命令可以用于测试的哦
import torch
print(torch.__version__)
torch.cuda.is_available()
torch.cuda.device_count()
torch.cuda.get_device_name(0)
