前言
最近因为连续部署了两个深度学习环境，实在嫌烦了，于是摸索出一条简便的方式希望让人人都可以傻瓜式的快速部署，首先确保你的硬盘具有20G以上的空间，这里以部署torch的gpu版和让onnxruntime使用cuda加速为例，让我们开始以下的步骤。
安装
安装miniconda
这步如果已经有conda环境可以跳过，没有的从0开始的就直接装miniconda，不推荐直接安装anaconda，体积太大，包太多。
miniconda下载
现在一般都是64位了，这里以64位安装包为例直接下载：
这里选just me：
修改目录，如果你对你的C盘足够自信，你直接默认也行，不过一般来说C盘没有那么大空间，再加上后期深度学习可能需要硬盘分页作虚拟内存，所以我放在D盘保证足够的空间：
全部勾上，第二项是添加conda到环境变量里，免得你手动操作，后面就可以直接命令行调起conda和python，第四项安装完清理包残留，也勾上：
点install，安装完后命令行打开输入conda和python看有无输出，有就正确安装完毕了：
conda换源
命令行复制粘贴以下，换成国内镜像源，下载快一点：
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 --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
conda config --set show_channel_urls yes
安装pytorch和cuda
为了保证文章在以后也具有时效性，我在这里把pytorch官网如何获取安装命令的图发出来：
以后如果版本改变了，就复制新的命令。
现在复制粘贴以下命令：
conda install pytorch torchvision torchaudio pytorch-cuda=11.7 -c pytorch -c nvidia
等待大概15分钟安装完毕后，打开系统高级设置，点击path添加环境变量：
把miniconda3下的bin和include两个路径添加进去，这里用省略号是表示你的路径自己填：
.../miniconda3/bin
.../miniconda3/include
然后在命令行里输python调起python环境，输入以下代码：
import torch
print(torch.cuda.is_available())
print(torch.backends.cudnn.is_available())
print(torch.cuda_version)
print(torch.backends.cudnn.version())
前两个print打印出来为True，后面两个版本号正确打印出来即可。
onnxruntime使用cuda加速
先命令行安装onnxruntime-gpu。
pip install onnxruntime-gpu -i https://mirror.baidu.com/pypi/simple
接下来如果你想使用cuda加速，必须要在import onnxruntime前import pytorch，不然会显示error 126，找不到cuda环境：
import pytorch
import onnxruntime
这是因为这种方法实际上下载了pytorch相关的cuda和cudnn的组件，不在onnxruntime默认的搜索路径里，但如果你先导入了pytorch，环境里就会有cuda库可以调用。
