广州市医院网站建设竞价托管一般要多少钱

PyTorch环境配置及安装

初步机器学习，这里记录下一些学习经过，之后以便于自己查看，同时欢迎各位大佬点评，本节是机器计算的一个包的安装和简单验证。

1.流程

1. 确定自己的硬件信息-确定电脑有英伟达（NVIDIA）显卡
2. 下载安装Anaconda
3. 利用conda或者pip安装PyTorch（坑最多的）
   1. 确定自己安装的CUDA版本与GPU关系
   2. 安装GPU版本PyTorch

2.下载安装Anaconda

在此我就不过多进行阐述，需要的朋友可以查看我写的另外一篇博客，实验1—安装tensorflow开发环境

3.利用conda或者pip 安装PyTorch

1. 创建一个虚拟环境（比如叫pytorch）
   • 利用conda create 指令创建新的虚拟环境
     • 利用conda create -n 虚拟环境名称 python=版本
   • 添加镜像加速
     • 利用conda create -n 虚拟环境名称 python=版本 -c 镜像地址

镜像名	用于创建环境镜像地址
清华镜像	https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
北京外国语大学镜像	https://mirrors.bfsu.edu.cn/anaconda/pkgs/main
阿里巴巴镜像	http://mirrors.aliyun.com/anaconda/pkgs/main

在此不推荐上一篇博客设置，解决CondaHTTPError HTTP 000 CONNECTION FAILED for url解决方法

建议直接添加镜像加速

• 删除虚拟通道:

conda remove –n 虚拟环境名字 --all

• 持久添加通道：

conda config --add channels 通道地址

• 删除通道：

conda config --remove channels 通道地址

算力，CUDA Driver Version，CUDA Runtime Version

1. 首先，确定自己的显卡的算力 - 确定自己的显卡型号
2. 确定自己的可选择的CUDA Runtime Version
3. 确保自己的 CUDA Driver 版本 >= CUDA Runtime 版本

在此我选择了11.3版本

1. 安装显卡驱动到最新版本 -
   https://www.nvidia.cn/Download/index.aspx?lang=cn

2. 打开命令行窗口，输入nvidia-smi来确定cuda driver的版本 - （我的是11.7）
   

3. 打开PyTorch官网，确定CUDA Runtime版本（我确定了是11.3）
   

安装

因为，网速及服务器的原因，在此我将pytoch安装的三个包进行了拆分，我选择了分别进行安装

1. 先使用了南京大学的镜像

conda install pytorch torchvision torchaudio=11.3 –c https://mirror.nju.edu.cn/pub/anaconda/cloud/pytorch/win-64/ 

2. 后来使用清华镜像

conda install cudatoolkit=11.3 -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main

4.验证是否安装成功

import torch
print(torch.__version__) #查看pytorch版本
print(torch.cuda.is_available()) #查看cuda是否可用 输出为True 或者False