前言
去年双十一给自己买了台 8G 显卡内存的笔记本，之所以对显卡要求这么高是因为对人工智能感兴趣，想在自己笔记本上训练深度学习模型，因此一定要配一个好一点的 GPU。
除了笔记本之外，前前后后陆陆续续也买了好些人工智能方面的书籍，刚工作一年时候也学习过这块，像《DEEP LEARNING 深度学习》、《TensorFLow实战》、《机器学习》、《图像识别应用开发》都是学习过的，也对跟着 PyTorch 官网教程走过，还有 github 上的《动手学深度学习》电子书，不过说实话，这个方向，挺难的，研究没出什么成果。但即便如此，遇到这块的好书还是会买着，给自己的兴趣一个随时能继续研究学习的环境。
人工智能书籍
近期好朋友说参加了个关于人工智能学习的线下班，想起大约三年前一期学习过 python，而且本身就对这块感兴趣，还有这阵子不是很忙，有时间。那行吧，好机会，重新拾起来吧，工具（专门为深度学习买的笔记本）、资料（那些书籍）都有。真的很感激曾经的自己一直为兴趣而保留的环境，过去的自己就等待着这么个机会，待天时地利人和都齐了，随时出发！
正文
1.安装 Nvidia CUDA 并行计算工具包
官网下载地址：https://developer.nvidia.com/cuda-downloads
选择适合自己的版本下载，我选择的是，
Operating System: Windows
Architecture: x86_64
Version: 11
Installer Type: exe(network)
cuda工具包下载界面
2.安装 Pytorch
官网地址：https://pytorch.org/get-started/locally
根据自己的开发环境，找到安装命令，我的安装命令是，
pip3 install --pre torch torchvision torchaudio -f https://download.pytorch.org/whl/nightly/cu113/torch_nightly.html
pytorch 安装命令
3. 安装 PyTorch 包
我使用的开发工具是 PyCharm，属于最喜欢的 JetBrain 系列开发工具，新建一个工程（这里不要选择虚拟环境，少点坑，我最喜欢的 pipenv 都没用），执行安装命令等待安装完成即可。
等待安装完成
4.验证安装结果
一切顺利，显示安装完成。
安装完成
接下来用代码验证一下，
import torch x = torch.rand(5, 3) print('PyTorch is ok? \n', x) is_cuda_ok = torch.cuda.is_available() print('cuda is ok? \n', is_cuda_ok)
可以看到 PyTorch 安装成功了，CUDA 并行计算工具包也正常工作了。
代码验证
5.深度学习框架 PyTorch 环境搭建完毕，说点题外话
一般像这种环境搭建，可能不少人第一反应就是百度找一个教程，复制粘贴一下，这个流程走下来，一般情况下是能解决问题的。不过我这里给个建议：百度找的教程没走下来的话，去找官网教程，大多数是英文的，一定要静下心来慢慢看。
希望接下来的学习一切顺利咯！
