方法一：

1、查看自己电脑安装的cuda版本

打开终端（ctrl+alt+t）输入：

nvcc -V

2、打开终端，使用 conda 安装

安装前需要添加清华源，直接在终端或者创建的虚拟环境中输入相继运行下列五行命令：

# 添加清华源的pytorch
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --set show_channel_urls yes
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/

conda install pytorch torchvision cudatoolkit=10.0  # 删除安装命令最后的 -c pytorch，才会采用清华源安装。

3、安装完成后，测试torch和CUD

1）为了确保PyTorch安装正确，我们可以运行示例PyTorch代码来验证安装。这里我们将构造一个随机初始化的张量。

from __future__ import print_function
import torch
x = torch.rand(5, 3)
print(x)

# The output should be something similar to:
# tensor([[0.2989, 0.2493, 0.2642],
#         [0.9508, 0.4811, 0.1085],
#         [0.5423, 0.3216, 0.3068],
#         [0.8863, 0.8385, 0.5150],
#         [0.8451, 0.4620, 0.6266]])

如下图所示：

2）此外，要检查GPU驱动程序和CUDA是否能够被PyTorch启用和访问，需要运行以下命令以返回CUDA驱动程序是否已启用：

import torch
torch.cuda.is_available()

# the output is: True

如下图所示：

最后，大功告成！

方法二：

pip使用清华镜像源

临时使用

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple some-package

把some-package替换为所需模块即可（还真有个模块叫some-package）
如果报错，可能是因为pip版本不够（需≥10.0.0），先升级pip：

pip install pip -U

当然，升级pip本身也可以使用清华镜像源。

安装pytorch

进入pytorch的官网，根据系统、python版本、cuda版本选择下载命令。
添加上文所说的参数，然后记得去掉 -f https://download.pytorch.org/whl/torch_stable.html，否则依然会很慢。即可通过清华镜像源高速下载pytorch，这里我下载的是pytorch1.3版本：

pip install torch===1.3.0 torchvision===0.4.1 -i https://pypi.tuna.tsinghua.edu.cn/simple

国内其他pip源：

清华：https://pypi.tuna.tsinghua.edu.cn/simple
中国科技大学 https://pypi.mirrors.ustc.edu.cn/simple/
华中理工大学：http://pypi.hustunique.com/
山东理工大学：http://pypi.sdutlinux.org/
豆瓣：http://pypi.douban.com/simple/