前言
深度神經網絡是一種目前被廣泛使用的工具，可以用於圖像識別、分類，物體檢測，機器翻譯等等。深度學習（DeepLearning）是一種學習神經網絡各種參數的方法。因此，我們將要介紹的深度學習，指的是構建神經網絡結構，並且運用各種深度學習算法訓練網絡參數，進而解決各種任務。本文從PyTorch環境配置開始。PyTorch是一種Python接口的深度學習框架，使用靈活，學習方便。還有其他主流的深度學習框架，例如Caffe，TensorFlow，CNTK等等，各有千秋。筆者認爲，初期學習還是選擇一種入門，不要期望全都學會。須知，發力集中才能深入挖掘。亂花漸欲迷人眼，選擇適合自己的，從一而終，相信會對科研大有裨益!
1. 環境說明
PyTorch目前支持OSX和Linux兩種系統，並且支持多種安裝方式。在官網上介紹了基於conda，pip和源代碼編譯幾種不同的安裝方式。支持的Python版本有2.7，3.5和3.6。鑑於深度學習需要的計算量一般比較打，強烈建議找到一個有獨立顯卡的電腦來展開學習，當然沒有顯卡也能用，就是計算慢很多了。
如果你的電腦是Windows，那麼可以安裝一個虛擬機來運行Linux，但是性能可能會折扣。我的電腦操作系統是Ubuntu16.04，所以我會以此爲例子來介紹後面的內容。
2. Anaconda 和Python
PackageManager我們選擇conda，於是我們需要安裝Anaconda這個功能強大的包，下載地質：https://www.anaconda.com/download/#linux 。裏面包含了conda工具，也有Python，以及很多Python需要的擴展工具包。選擇2.7版本，下載並安裝即可。接下來，如果有顯卡，進入第3步；沒有顯卡直接到第4步。
3. 顯卡驅動和CUDA
要使用顯卡進行運算，你需要使用支持CUDA的NVIDIA顯卡，目前比較好的顯卡有NVIDIATITANX、GTX1080Ti 等。好的顯卡將會是深度學習研究的有力武器。當然，普通的顯卡例如GTX970、GTX1060等也是可以用的。實在沒有顯卡，那隻能做簡單的小數據量的實驗，效果不會太好。
在Ubuntu16.04上可以採用以下方法安裝顯卡驅動，這種方式比較穩定。打開“SystemSettings”——“Software&Updates” —— “AdditionalDrivers”，聯網狀態會自動搜索可用的顯卡驅動，選擇可用的版本，點擊“ApplyChanges”即可。可能重啓動後顯卡驅動才能生效。
接下來安裝CUDAToolkit。因爲最新的CUDA是9.0版本，但是PyTorch只能支持到8.0。所以轉到該網址“https://developer.nvidia.com/cuda-80-ga2-download-archive”，選擇對應的參數，下方會有對應的CUDA文件。例如，下圖是我選擇的版本。選擇deb文件，發現有1.9G大小，下載下來，按照baseinstaller的指示來完成安裝。附加的cuBLAS也可以下載下來安裝上。
CUDA安裝完成後，在主目錄下打開“.bachrc”文件，在末尾添加如下代碼：
export PATH=/usr/local/cuda-8.0/bin${PATH:+:${PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda-8.0/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda-8.0/lib${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}
4. 運行PyTorch的安裝命令
如果你和我一樣，採用8.0CUDA，2.7版本Python，可以運行以下命令：
conda install pytorch torchvision cuda80 -c soumith
如果沒有顯卡，2.7版本Python，可以這樣：
conda install pytorch torchvision -c soumith
5. 驗證安裝是否成功
要顯示顯卡信息，在終端輸入：
sudo lshw -c video
要顯示CUDA信息，在終端輸入：
nvcc -V
查看Phthon版本，在終端輸入：
python --version
驗證pytorch是否安裝成功，在終端輸入：
python
此時進入python環境。然後，繼續輸入
import torch
import torchvision
不報錯就表明安裝成功。