Anaconda虚拟环境安装PyTorch并使用Spyder

笔者之前一直使用Spyder基于后端tensorflow的Keras框架运行一些深度学习实验，近来想在笔记本上安装Pytorch，也遇到一些问题，在这里总结一下，更多想用这种方式来记录一下自己的经验。
首先简单总结一下tensorflow、pytorch和keras的区别和联系，不从写法来分析，单纯就是基本分析
1.Tensoflow
TensorFlow由Google智能机器研究部门Google Brain团队研发的；TensorFlow编程接口支持Python和C++。随着1.0版本的公布，相继支持了Java、Go、R和Haskell API的alpha版本。在2017年，Tensorflow独占鳌头，处于深度学习框架的领先地位；但截至目前已经和Pytorch不争上下。Tensorflow目前主要在工业级领域处于领先地位。
2.Pytorch
Pytorch目前是由Facebook人工智能学院提供支持服务的。Pytorch目前主要在学术研究方向领域处于领先地位。其优点在于：PyTorch可以使用强大的GPU加速的Tensor计算（比如：Numpy的使用）以及可以构建带有autograd的深度神经网络。同时，PyTorch 的代码很简洁、易于使用、支持计算过程中的动态图而且内存使用很高效。
3.Keras
Keras是基于Tensorflow用纯python编写的深度学习框架，也就是说它是在Tensorflow的基础上再次集成的；所以，他的代码会更加简洁方便，适于初学者；但因为它是在Tensorflow的框架上再次封装的，那么运行速度肯定就没有Tensorflow快了。其主要优点在于：
用户友好
Keras可以说是专为人