1 配置问题
（1）.针对于电脑中配备有GPU，且有深度学习需求，搭建一个可用无污染的深度学习环境。
（2）.按照Anaconda3 + CUDA10.0 + CuDNN + Pytorch1.2 + Pycharm配置。
（3）.解决配置Pytorch中无法使用torchvision库的问题。
2 搭建过程
（1）.安装Anaconda。按照自己电脑的需求下载，下载完成后，解压安装包，按照指示一步一步完成即可，检验安装是否成功，并创建一个虚拟环境用于之后的配置。
| # 创建虚拟环境：（在cmd终端输入） conda create -n Pytorch_GPU python=3.7 |
（2）.安装CUDA10.0和cuDNN(必须与自己的Pytorch==1.2.0版本对应起来)
- .在官网找到合适的版本进行下载并进行安装。
- .找到安装的位置对cuDNN进行解压。
（3）.安装Pytorch。
- . 激活并进入Anaconda提前准备好的虚拟环境。
activate Pytorch_GPU
2）.下载安装Pytorch。打开pytorch的官网，地址：https://pytorch.org/。
也可以去下载轮子（https://download.pytorch.org/whl/torch_stable.html）
（4）Pycharm和Anaconda连接。
- .设置相关环境，网上有很多教程。
- .检测Pytorch配置成功。
(5).torchvision问题。
在导入torchvision的时候出现了报错，但是查询发现torchvision包在库里。
在网上百度找到问题的解决办法。
找到报错路径C:\Users\Public\Anaconda3\Lib\site-packages\PIL，打开__init__.py文件，使用from PIL import Image, ImageOps, ImageEnhance, __version__ 替换文件中from PIL import Image, ImageOps, ImageEnhance,PILLOW_VERSION这句。 - 结语
1.要注意各个软件版本之间的匹配问题。
2.最新版本的CUDA不再需要配置Cudnn进行加速了。
3.针对torchvision导入模块缺失问题，更改__init__.py文件的导入模块名，就可以使用了。
