OS：ubuntu16.04
gpu: GTX 1080Ti
cuda: 9.0 (系统预装+cudnn)
pytorch官网：https://pytorch.org/
官网给出的安装命令是：conda install pytorch torchvision cudatoolkit=9.0 -c pytorch
（此处有个小说明，由于系统预装了cuda和cudnn，看网上的教程还需要conda安装cudatoolkit和cudnn，一直没搞清楚conda环境安装的这个和系统安装的这个区别，然后我以为要先conda安装cudatoolkit9.0, 然后再配对官网的cudatoolkit9.0的安装命令，但是！！！！！在不小心安装了cudatoolkit8.0后，使用官网对应9.0的安装命令，发现它先把我conda安装的cudatookit8.0卸载了，自动匹配安装了cudatookit9.0。这里告诉我们，同志们，信官方说明吧，别整的有的没的，人家说了 Anaconda is our recommended package manager since it installs all dependencies。当然也就是说 不需要你自己安装cuda和cudnn了！）
但是在安装过程中发现，官网给出的命令安装很慢，甚至断掉！
解决办法在这儿。
添加清华镜像：
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
# for legacy win-64
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/peterjc123/
然后将官网命令改成：
conda install pytorch torchvision cudatoolkit=9.0
conda install pytorch torchvision -i https://pypi.tuna.tsinghua.edu.cn/simple # 指定清华源
由于官网给出的命令中 -c pytorch 参数指定了conda获取pytorch的channel为conda自带的pytorch仓库。
因此，只需要将-c pytorch语句去掉，就可以使用清华镜像源快速安装pytorch了。
PyTorch下 CUDA 和 CuDNN 安装验证程序
查看gpu版本和cuda的对应关系
import torch
print(torch.__version__)
# 查看cuda是否可用
print(torch.cuda.is_available())
之前安装的pytorch版本是1.0，但由于某个项目用到了 torchvision.transforms.ColorJitter需要使用pytorch0.3，需要对pytorch进行降级。
conda install pytorch=0.1 -c soumith
另外使用的是torchvision0.1，需要使用torchvision0.2，参考这里。
参考：
[1] conda/pip降级pytorch版本的方法以及安装指定pytorch的方法
[2] pytorch不同版本安装以及版本查看
[3] Pytorch 安装与版本查看
假如你需要用到python接口，加入你恰好用的是Anaconda，那么恭喜你，因为这个安装同样很简单，感谢万能的conda！
参考博文在这里。
首先你需要创建一个虚拟环境：
conda create -n caffe python=2.7 -c defaults
这里用-c default 表示使用默认的channel安装，据说是为了防止依赖库channel不一致产生问题。（表示试验过不加，确实产生了undefined symbol的不问题，不确定是否是因为之前自己安装了其他依赖项。但是用默认的channel安装，真的！很慢！！可以尝试一下一创建完虚拟环境，不要自己安装任何依赖项，直接安装caffe。）
然后安装caffe
source activate caffe
gpu版：conda install -c defaults caffe-gpu
cpu版：conda install -c defaults caffe
查看caffe是否安装成功
import caffe
print(dir(caffe))
如果你想自己安装caffe，并且编译python接口。。。。
（表示caffe预安装好了，这里说一下编译python接口的一些问题）
首先需要安装一些依赖，requirements.txt文件已经给出，我们用conda安装：
conda install --yes --file requirements.txt
注意用这种方法安装，如果某个依赖安装失败，会导致所有依赖都安装失败。
我们可以采用下面这个方法：
while read requirement; do conda install --yes $requirement; done < requirements.txt
参考博文"ananconda 安装tensorflow-gpu caffe-gpu opencv等简单的方法"。
具体可以通过登陆https://anaconda.org/查看安装的相关命令。
另外 pytorch现在自带caffe2了吗？（表示用conda 安装完pytorch发现可以import caffe2了。。。）