1.Anaconda:
可以便捷获取包且对包能够进行管理，同时对环境可以统一管理的发行版本。Anaconda包含了conda、Python在内的超过180个科学包及其依赖项。即它可以在你的电脑上创建多个你想要的python环境，并为每个python环境安装不同的包，不同环境相互切换。
官网下载地址：Anaconda | The World's Most Popular Data Science Platform
2.torch
Pytorch 是一个基于 Python 的科学计算库， 是由 Facebook 开发，基于 Torch 开发，从并不常用的 Lua 语言转为 Python 语言开发的深度学习框架，Torch 是 TensorFlow 开源前非常出名的一个深度学习框架，而 PyTorch 在开源后由于其使用简单，动态计算图的特性得到非常多的关注，并且成为了 TensorFlow 的 最大竞争对手。
官网下载：Start Locally | PyTorch,注意区分cpu和gpu(cuda)版本以及对应的cuda版本。其他博主建议用conda命令安装，但是我没有成功，用的pip3才可以。
3.cuda
cuda是Compute Unified Device Architecture的缩写。中文叫统一计算架构。是为了让nvidia gpu可以完成通用计算任务的一种集成技术。包括驱动，sdk，toolkit等。主要是用来进行计算加速，作为协处理器来进行使用。在用于科学计算和人工智能领域都有很好的加速效果。
安装教程网上很多，就注意一下版本就好，可以低于自身显卡的版本，可以下载可以找到对应版本的torch的那个版本。只能安装在c盘，要提前腾出空间。
4.cuDNN
NVIDIA CUDA®深度神经网络库（cuDNN）是一个用于深度神经网络的GPU原始加速库。cuDNN 为标准例程（如前向和反后卷积、池化、归一化和激活层）提供了高度调整的实现。世界各地的深度学习研究人员和框架开发人员依靠 cuDNN 获得高性能 GPU 加速。它允许他们专注于培训神经网络和开发软件应用程序，而不是花时间在低级别的GPU性能调整上。cuDNN加速广泛使用的深度学习框架，包括Caffe2、Chainer、Keras、MATLAB、MxNet、PaddlePaddle、PyTorch和TensorFlow等。
以上完成后可以在对应环境的python下输入以下命令检查是否安装完成
import torch
print(torch.cuda.is_available()) #返回true即安装成功
5.pycharm环境设置
virtualenv（虚拟环境）是一个环境管理工具，使用virtualenv可以创建一个完全隔离的环境，但virtualenv只能创建基于本机已存在的python版本的虚拟环境；使用virtualenv创建完成环境以后，可以使用pip安装python包，也可以使用conda安装python包。
conda结合了pip和virtualenv两者的功能，使用conda可以创建任意python版本的虚拟隔离环境，而且conda还是一个包管理工具，不但可以安装python包，而且可以安装其他语言的包，更重要的是conda具有完美的包依赖关系处理能力，可以轻松的安装所需的包而不用过分的去手动处理各种包之间的依赖关系
pycharm指定环境：File->settings->Project->Project interpreter/->add interpreter
