更新提醒：本文已過期，PyTorch1.5正式版已在2020年4月21發佈，Windows下安裝最新的PyTorch1.5請移步本人另一篇博客：Windows下安裝PyTorch1.5。
PyTorch簡介
在2017年1月18日，facebook下的Torch7團隊宣佈PyTorch開源後就引來了劇烈的反響。PyTorch 是 Torch 在 Python 上的衍生版本。Torch 是一個使用 Lua 語言的神經網絡庫, Torch 很好用, 但是 Lua 流行度不夠, 所以facebook開發團隊將 Lua 的 Torch 移植到了更流行的語言 Python 上，推出了PyTorch 。
PyTorch是一個Python優先的深度學習框架，是一個和tensorflow，Caffe，MXnet一樣，非常底層的框架。先說下PyTorch相比於Tensorflow的三大優勢：
一.Python優先支持
PyTorch主推的特性之一，就是支持Python（官方的提法：puts Python first）。因爲直接構建自 Python C API，PyTorch從細粒度上直接支持python的訪問。相比於原生Python實現，引入的新概念很少，這不僅降低了 Python 用戶理解的門檻，也能保證代碼基本跟原生的 Python 實現一致。事實上，開發者可以直接用原生 Python 代碼擴展 PyTorch 的 operation。
而Tensorflow總有一種用 Python 調用 C++ 寫的第三方動態鏈接庫的感覺；寫模型需要更多代碼，無法貫徹 Python的簡約風格；而且寫新的 operation 必須用 C++ 開發。
二.動態圖的良好支持
Tensorflow運行必須提前建好靜態計算圖，然後通過feed和run重複執行建好的圖。但是Pytorch卻不需要這麼麻煩：PyTorch的程序可以在執行時動態構建/調整計算圖。相對來說，pytorch具有更好的靈活性。這得益於PyTorch直接基於 Python C API 構建的 Python 接口。
TensorFlow飽受詬病的痛點就是隻支持靜態圖模型。也就是說，在處理數據前必須預先定義好一個完整的模型。如果數據非常規整，那還好。但實際工程和研究項目中的數據，難免有一些邊角的情況。很多項目，其實需要大量實驗才能選擇正確的圖模型。這就很痛苦了。因此，很多項目轉而採用了PyTorch等支持動態圖模型的框架，以便在運行程序的時候動態修正模型。
不過在2017年10月31日萬聖節這天，Google發佈了TensorFlow Eager Execution（貪婪執行），爲TensorFlow添加了命令式編程的接口。啓用貪婪執行後，TensorFlow操作會立刻執行，不用通過Session.run()執行一個預先定義的圖。2017年11月，TensorFlow1.5版本中正式加入了動態圖機制Eager Execution的支持！
三.易於Debug
Pytorch在運行時可以生成動態圖，開發者就可以在堆棧跟蹤中看到哪一行代碼導致了錯誤。你甚至可以在調試器中停掉解釋器並看看某個層會產生什麼。
PyTorch的Windows版本安裝
2018年12月8日,Pytorch1.0正式發佈，源碼地址：https://github.com/pytorch/pytorch/releases。這次最新的Pytorch1.0有很多重大的更新，分佈式更好用了，其實最重要的應該是C++的前端支持，部署更方便，效率更高，使得Pytorch往產品化方面又邁進了堅實的一步。
我們可以直接在Pytorch官網尋找自己所需的最新的版本進行安裝。目前Pytorch1.0支持Python2.7，Python3.5，Python3.6和Python3.7等多個Python版本。
Conda安裝
如果已經裝了Ananconda|Python，不管是Python3.5，Python3.6還是Python3.7，都可以選擇對應的cuda版本，然後直接執行下面命令安裝：
conda install pytorch torchvision cuda80 -c pytorch #for cuda8
conda install pytorch torchvision -c pytorch #for cuda9
conda install pytorch torchvision cuda100 -c pytorch #for cuda10
conda install pytorch-cpu torchvision-cpu -c pytorch # for cpu version
注意：Conda安裝只支持Python3，如果你的Ananconda|Python是Python2版本，請用pip方式安裝。
pip安裝
這裏只提示一點，pip可以安裝Python2的Pytorch1.0的cpu版本，如果要安裝gpu版本，請升級到Python3：
Python2.7 cpu版本：
pip install https://download.pytorch.org/whl/cpu/torch-1.0.0-cp27-cp27mu-linux_x86_64.whl
pip install torchvision
如果上面不行，請執行：
pip install https://download.pytorch.org/whl/cpu/torch-1.0.0-cp27-cp27m-linux_x86_64.whl
pip install torchvision
Python3.5各個版本：
pip install https://download.pytorch.org/whl/cpu/torch-1.0.0-cp35-cp35m-win_amd64.whl #cpu version
pip install https://download.pytorch.org/whl/cu80/torch-1.0.0-cp35-cp35m-win_amd64.whl #cuda8.0
pip install https://download.pytorch.org/whl/cu90/torch-1.0.0-cp35-cp35m-win_amd64.whl #cuda9.0
pip install https://download.pytorch.org/whl/cu100/torch-1.0.0-cp35-cp35m-win_amd64.whl #cuda10.0
pip install torchvision
Python3.6各個版本：
pip install https://download.pytorch.org/whl/cpu/torch-1.0.0-cp36-cp36m-win_amd64.whl #cpu version
pip install https://download.pytorch.org/whl/cu80/torch-1.0.0-cp36-cp36m-win_amd64.whl #cuda8.0
pip install https://download.pytorch.org/whl/cu90/torch-1.0.0-cp36-cp36m-win_amd64.whl #cuda9.0
pip install https://download.pytorch.org/whl/cu100/torch-1.0.0-cp36-cp36m-win_amd64.whl #cuda10.0
pip install torchvision
Python3.7各個版本：
pip install https://download.pytorch.org/whl/cpu/torch-1.0.0-cp37-cp37m-win_amd64.whl #cpu version
pip install https://download.pytorch.org/whl/cu80/torch-1.0.0-cp37-cp37m-win_amd64.whl #cuda8.0
pip install https://download.pytorch.org/whl/cu90/torch-1.0.0-cp37-cp37m-win_amd64.whl #cuda9.0
pip install https://download.pytorch.org/whl/cu100/torch-1.0.0-cp37-cp37m-win_amd64.whl #cuda10.0
pip install torchvision
測試安裝是否成功
import torch
print(torch.__version__)
如果輸出1.0.0，那麼恭喜Windows下的PyTorch1.0.0安裝成功！