背景知识
1、GPU的并行计算能力,在过去几年里恰当地满足了深度学习的需求。在训练强化学习模型时,为了提供更好地算力和训练时间,因此需要使用GPU。
2、CUDA:是Nvidia推出的只能用于自家GPU的并行计算框架。只有安装这个框架才能够进行复杂的并行计算。主流的深度学习框架也都是基于CUDA进行GPU并行加速的,几乎无一例外。还有一个叫做cudnn,是针对深度卷积神经网络的加速库。
本文主要讲一下配置这个环境的心路历程,后面再遇到类似的问题可以回到这篇进行查阅。
一、首先安装Anaconda(含解释器python(base)、numpy等一系列包)。
二、安装编译器Pycharm。
以上1和2的安装就不再赘述。
三、查看自己的cuda是否可用。
这块主要是版本一定要对应好,否则一直显示无可用Cuda。
python
import torch
print(torch.cuda.is_available(