一、查看cuda及cudnn版本
先确保安装了显卡：nvidia-smi 查看
cat /usr/local/cuda/version.txt
cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2 或者 nvcc --version ，后一个版本更靠谱，因为前者完全依赖/usr/local/cuda/include/cudnn.h 这个文件，而这个文件并不一定非得在这个路径中，尤其是既没有root又没有admin权限的情况下。
下载 cudnn包，一般 cuda 8.0版搭配的都是 cudnn 6.0版本。
我下载的是：cudnn-8.0-linux-x64-v6.0.tgz，一般官网可以下载，网盘也有别人分享的资源，官网下载更快些，只是需要注册用户，不过注册也很方便啦。
解压后把lib64的路径添加至LD_LIBRARY_PATH即可，对了，确保cuda的路径（一般默认：/usr/local/cuda/bin）已在PATH中。然后执行nvcc --version基本就可以查看到版本信息了。
-
PATH环境变量下面是找可执行命令的位置
-
LD_LIBRARY_PATH这个是gcc编译的时候找需要链接的库的位置
二、官网链接
http://pytorch.org/
支持三种安装方式，conda，pip 以及source
我选择的是源码安装，链接为：https://github.com/pytorch/pytorch 但是安装的时候发现cmake没装，重新安装cmake。
资源下载：https://cmake.org/download/
教程：https://geeksww.com/tutorials/operating_systems/linux/installation/downloading_compiling_and_installing_cmake_on_linux.php
这篇教程说的很详细，但是奈何没有admin权限，更遑论root了，只能安装到自己目录下，后来发现最后一步可以设置安装路径：
$ make install DESTDIR="/some/absolute/path" 或 $ export DESTDIR="/some/absolute/path" $ make install
安装完成
注意此时还需要将cmake的安装路径添加到PATH中去，export PATH=/home/XXX/usr/local/bin:$PATH
然后敲cmake即可发现已安装完毕，或者直接cmake -version即可查看安装版本。
然后直接Python setup.py install即可
一个小提示：安装完成后，在当前的pytorch文件夹中输出Python，import会报错：ModuleNotFoundError: No module named 'torch._C'
主要原因是该文件夹与包重名，退出这个文件夹后重新import即可。
参考链接：https://github.com/pytorch/pytorch/issues/574
附需要了解的python包，很好的进度条：tqdm
参考链接：http://spaces.ac.cn/archives/3902/