深度学习——利用GPU进行训练数据——安装错误的修正

安装pytorch时，torch.cuda.is_available()返回false。上网查阅资料，输入​​conda list​​查看从官网下载的pytorch是CPU版本还是GPU版本。
显然，我安装的是cup版本。

一、卸载pytorch

使用conda卸载Pytorch
1.conda uninstall pytorch
2.conda uninstall libtorch
使用pip卸载Pytorch
pip uninstall torch

如果当初是用conda install 命令安装的pytorch，则用第一种方法，如果是用pip install命令安装的，则用第二种方法。或者两种方法都试一下

去官网使用PIP安装方式安装新的pytorch，记住千万，千万不要用conda的安装方式，因为它下载的一直都是CPU版本的。（我的教训）
若自己下载的确实为GPU版本的，但是仍旧出现torch.cuda.is_available()返回false的情况，则可能是版本不匹配的问题。

二、安装pytorch（我已经安装了cuda，版本11.3）

cuda安装步骤，我觉得这个不错。
查看自己的NAVIDA的CUDA版本，win+R，cmd命令行输入nvidia-smi，一定要选择比自己版本低的CUDA。比如，我的版本是11.6，那么就不能选择11.7，我选择的是11.3。

不使用命令行下载pytorch

https://download.pytorch.org/whl/torch_stable.html
发现第一个就是你的cuda版本 第二个是你要下的torch（或torchvision）版本号，第三个是对应的你的py版本号，然后是选择linux或者windows。

我的cuda是11.3，py是3.8，torch版本根据自己需求进行选择。

下载torchversion

打开

当用上述方法，安装完两个库之后。
cmd 操作:cd找到对应安装位置。
然后pip install 名字.whl；这两个文件就都被安装了

中间可能会因为顺序原因，报错
eg.
ERROR: torchvision 0.5.0 has requirement torch==1.4.0, but you’ll have torch 1.5.0+cu101 which is incompatible.
问题不大，两个包按顺序各按几次。
最后进行测试：
先输入python

import torch
torch.cuda.is_available()

输出True说明安好了。