Pytorch环境配置

pytorch分为纯cpu版本和cuda版本（可以利用gpu加速），本文总结的是配置cuda版本的步骤。

pytorch安装三步走

使用nvidia-smi命令检查当前驱动（也可以更新驱动下载最新版cuda？不太清楚，没尝试过）支持的最高CUDA版本，下载对应版本的CUDA,cudnn,Pytorch：

• CUDA Toolkit 11.7 Downloads
• 支持CUDA 11.7 的cudnn下载地址：必须先登录Nvidia官网才能下载以前的版本
• CUDA 11.7 对应的Pytorch安装命令：找到pytorch1.13的安装命令

补充信息

• 使用的组合：cuda11.7 + cudnn8.4 + pytorch1.13
• cuda在我电脑上的位置：C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.7
• 安装对应版本pytorch的命令：conda install pytorch==2.0.1 torchvision==0.15.2 torchaudio==2.0.2 pytorch-cuda=11.7 -c pytorch -c nvidia，注意：python得创建一个新环境，把版本降到3.10，这步很关键，一定要降版本，在老版本的环境下装，不然会报错！使用命令 conda create -n env_for_pytorch python=3.10。然后以后要用pytorch都用这个虚拟环境进行解析，关于如何在sublime中切换虚拟环境，参考。python的所有环境都是放在D:\Anaconda\envs这个目录下面的。吐槽：为神马不向下兼容，这环境配的是真的心累啊…
• numpy版本不兼容可能也会报错，按上面这套cuda11.7 + cudnn8.4 + pytorch1.13的配置，如果numpy报错的话就在当前虚拟环境把numpy的版本降低到1.23.5。

验证下自己有没有配置成功，

参考资料

• 检查cpu支持的最高cuda版本，我的电脑最高支持11.7版本cuda
• 使用pytorch为什么推荐同时安装cuda和cudnn
• cuda和cudnn版本对应关系
• cuda和cudnn配置
• facebook专门为pytorch开发的实时绘图库visdom
• visdom使用教程
• 一文全面梳理ANN、CNN、RNN、Attention、Encoder-Decoder、Tokenization等必备知识点
• DNN、RNN、CNN一文带你读懂这些绕晕人的名词
• PyTorch深度学习快速入门教程
• 《PyTorch深度学习实践》完结合集
• conda 添加清华源
• conda 如何指定下载使用哪个channel