前言
由于服务器已安装Anaconda，包含的Python版本为3.8，为使用3.6版本同时避免和其他人互相影响，我选择创建虚拟环境，并在其中安装所需的Pytorch1.0.1、opencv、numpy(Anaconda已自带)、pillow等。
一、创建Python3.6环境
1 创建环境
使用如下命令，其中name为自定义的虚拟环境名。
conda create -n name python=3.6
输入y，继续创建。
2 激活环境
使用如下命令激活和退出环境。
conda activate name #激活环境
conda deactivate #退出环境
二、安装Pytorch1.0.1
1 查询服务器CUDA和CUDNN版本
在安装前，我们需要先确定服务器的CUDA和CUDNN版本，从而选择适配的Pytorch。首先使用如下两个命令获取CUDA版本：
nvcc -V #获取运行API版本
nvidia-smi #获取驱动API版本
其中运行API版本为一般执行代码时对应版本，选择Pytorch时与该API对应，驱动API可以理解为最高能够使用的版本。
我这里的运行API版本为11.1，因此在选择时需要选择同样或低于11.1版本的Pytorch，具体根据所需Pytorch决定。
下面通过NVIDIA官网（cuDNN Archive | NVIDIA Developer）查询对应CUDNN版本：
例如，CUDA11.5需要CUDNN8.3.0。
2 添加阿里云源通道
为了使下载速度更快，这里先添加阿里云源通道：
conda config --add channels https://mirrors.aliyun.com/anaconda/pkgs/free/
conda config --add channels https://mirrors.aliyun.com/anaconda/pkgs/main/
conda config --add channels https://mirrors.aliyun.com/anaconda/cloud/pytorch/
conda config --set show_channel_urls yes
3 安装Pytorch
安装前记得要先激活自己的虚拟环境。安装命令如下：
conda install pytorch==1.0.1 torchvision==0.2.2 cudatoolkit=10.0 cudnn=7.6.5 -c pytorch
博主这里需要的Pytorch是1.0.1版本，所以在官网(Start Locally | PyTorch)上找了旧版本Pytorch对应的命令(Previous PyTorch Versions | PyTorch)，由于里面没有CUDA11.1所以选择了10.0，再自己添加的cudnn=7.6.5，该对应版本号就是在上文NIVDIA官网上找到的。
安装过程中同样需要输入y确认继续进行。
4 确认安装成功
输入python查看虚拟环境中的Python版本：
导入Pytorch并查看版本：
import torch
print(torch.__version__)
查看GPU是否可用：
print(torch.cuda.is_available())
三、安装opencv、numpy、pillow
1 opencv
在这里我使用的是pip安装，因为使用conda安装出错，或者安装成功后导入时提示没有cv2模块，具体原因不清楚，上网搜索后按照其他方法也未能解决，大家若有经验可评论分享一下。
pip install opencv-python
该命令会安装最新版opencv，需要旧版本可以再上网搜索具体方式。安装后输入python进入Python环境，导入opencv验证是否成功：
import cv2
cv2.__version__
若未提示没有cv2模块则成功。
2 numpy
由于Anaconda自带了numpy，所以我这里没有下载，若有需要大家可以再搜索具体方法。
import numpy
若导入未报错则成功。
3 pillow
同样在创建虚拟环境时，pillow已经被安装，若需要则按照下面命令即可：
pip install pillow
import PIL #验证安装
若未报错则成功安装。
注：以上安装命令均是在虚拟环境中执行，而验证安装是否成功需要进入Python中测试。
总结
以上是在Ubuntu20.04服务器上已安装Anaconda的情况下，创建Python3.6虚拟环境、安装Pytorch1.0.1并安装opencv、numpy、pillow等的具体步骤，都已实际测试成功。
随时随地看视频
