关于gpu使用不了bug的修复

Gpu老是使用不上，导致联邦学习、深度学习等训练缓慢，多半是python环境和torch包不配对造成的，下载的Anaconda自带python.exe，你必须把环境也换到那里，把torch包也下在那里，才能配对生效。我们常常把torch下错地方，下在原生的环境里，导致gpu不起作用，下面将详细的展示配对过程。

下载Anaconda

Anaconda的下载直接在官网下载即可。

要记得找到你下载的anaconda所在地（我是下在F盘FL文件夹里），在path中配置以下环境变量：

F:FL\anaconda

F:FL\anaconda\Scripts\

F:FL\anaconda\Library\bin

F:FL\anaconda\Library\mingw-w64\bin

anaconda虽然有自带的prompt，可以用来用来下载torch包，但国内这速度，根本就是奔着不让你成功去的，所以一定要配置环境变量，让cmd也能管anaconda，再用pip下载torch！

如果你之前试过很多遍下载torch，建议把它们清空一下：（这里pytorch_gpu要按照你自己之前取的名字来）

conda env remove --name pytorch_gpu

配置好之后直接在cmd输入以下命令，重新创建虚拟环境：(其中python按你的版本来)

激活虚拟环境：

conda activate pytorch_gpu

在虚拟环境下载torch：（这个命令是来自官网的，相信你都找到这了，知道怎么正确弄这个命令，如果不清楚，后面有其他博主详细链接）

pip3 install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu117 -i https://pypi.tuna.tsinghua.edu.cn/simple

我的下载速度还是慢，所以在后面加了-i Simple Index

或者直接：

pip3 install torch torchvision torchaudio --extra-index-url -i Simple Index

应该也行，我没尝试，这里只是换了个下载源

此外，你必须将你的python环境换到Anaconda所在目录那里（即你之前创建的pytorch_gpu所在环境的python.exe），否则还是没用的：

测试

成功！

Gpu不能用的问题是大家最常遇到的问题，解决了它，其他配置只要对应好版本即可。

详细可以参考：http://t.csdn.cn/PjmV5

下载显卡对应的CUDA

打开英伟达控制面板→帮助→系统信息→组件，查看CUDA版本，到英伟达官网下载对应的CUDA版本。

安装cuDNN

到官网下载与CUDA对应的cuDNN。下载之后，解压缩，将CUDNN文件夹里面的bin、include、lib文件直接复制到CUDA的安装目录（默认路径：C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2）下，直接覆盖安装即可。