pytorch深度学习环境搭建2023——GPU版本

本博客专门针对有独立显卡的GPU版本环境安装，cpu版本我不太清楚，我猜如果您用cpu跑神经网络，你估计也很难崩
以下是作者亲身体验安装并成功所看的博客，过程中基本上所有坑都踩了，附上这些链接配上讲解，希望大家可以成功，
我的建议是如果以后要用到tensorflow的话，装低版本的CUDAToolkit，显卡可以兼容低版本的CUDAToolkit，比如理应装cuda12.1的显卡，其实装11.2也是没有任何问题的

环境卸载

环境卸载看这一篇就够了，转载自大佬

如果不小心卸载了驱动，也就是
点击链接里面有对应驱动与cuda版本关系，把下面的版本兼容介绍看完之后，可以去官网下载驱动了，显卡驱动下载地址，下载的驱动版本与显卡硬件版本要一致，但是硬件对应cudatoolkit版本不一定要toolkit是最新的。

可以看到：
cudaTookit对于低版本硬件驱动是可以兼容的，通俗讲就是对于硬件驱动版本530.x这种高版本，可能cudaTookit对应最新版本都已经到了12.2这种（打个比方，不一定准确），但是仍然可以装低版本（比如11.0版本）的CUDATookit。但是对于高版本硬件不兼容，就是说对于高于这个CUDATookit版本的硬件，要装新版本的CUDATookit

然后这里的卸载好像会剩下什么注册表（可以当做是文件残留吧），我建议用一个软件叫geek，用这个直接卸载，还能注册表清理。可以直接浏览器搜，然后下载，不需要配置什么，如果还不放心，可以直接在b站搜：geek教学。

环境安装

这篇博客算是宝藏博客了，环境安装真的一篇就够了
我的建议是环境可以不要装C盘
环境安装
环境变量的配置

cuda安装

特别注意，cuda版本最好不要装最新版，按照教程里面给的版本匹配链接以及自身显卡型号，我安装的是12.1.1，大家只要别安最新就一般没问题

安装页面

安装的时候还有一个特别坑的点，就是如果自己默认路径位置安装的话，一开始要选择一个文件夹给cuda安装一些temp文件，这个temp文件是安装完之后就会自动删除的，所以建议是创建一个temp文件，然后在进入到cuda工具安装时另外创建一个文件，不要放在一起

cudann安装

可能原博客给的会找不到下载地址，在这里：https://developer.nvidia.com/rdp/cudnn-archive
找到和自己cuda版本匹配的cudnn，比如我的是cuda12.1,可以按v8.9.1

Anaconda安装

其实就是一个python环境吧，anaconda的优异之处是集成了python开发所需要环境还有很多包。安装了之后不在需要频繁下包了。
这个安装也很简单，去csdn内搜一下，一大把，也同样不一定要安在c盘，最好也不要安在c盘，c盘很累的。

常用终端命令

在终端环境中，Ctrl+Z和Ctrl+C也有不同的作用。

Ctrl+Z（挂起进程）：在终端中，按下Ctrl+Z可以将当前正在运行的进程放入后台，并暂停它的执行。该进程会进入"挂起"状态，可以使用命令bg将其切换到后台继续执行，或使用命令fg将其切换到前台继续执行。

Ctrl+C（中断进程）：按下Ctrl+C会发送中断信号给当前正在运行的进程，以终止其执行。这通常用于强制停止运行中的命令或程序。注意，使用Ctrl+C会直接终止进程，不会进行任何清理操作，可能会导致数据丢失或其他意外情况。

需要特别注意的是，在终端环境中，Ctrl+Z和Ctrl+C的作用是由终端程序处理的，具体的行为可能因终端程序的不同而有所差异。这些快捷键的具体功能可以在终端程序的文档中查找。
对于新手少用Ctrl+Z，把进程放到后台容易占用内存

跑模型

这里我用的是李沐老师的教程，具体内容在Jupyter(一个类似笔记本的东西吧，里面存了项目，方便学习)上，如果想跟着这个老师学的话，可以做接下的步骤
视频链接：
https://www.bilibili.com/video/BV18K411w7Vs/?spm_id_from=333.788.recommend_more_video.1&vd_source=1f4638e07dd4a465c847bbb500d9445f
4分52秒开始讲怎么用Jupyter笔记，里面有很多实例模型，
安装jupyter包
安装jupyter包的时候要注意，这里是d2l，是小写字母l不是阿拉伯数字1

启动笔记本

启动之后可能找不到，只要把下载的那个文件d2l-zh文件复制到启动的任意一个文件夹就行，记得要解压。
这里我是直接复制到download下

然后打开download就能找到了
这里我们用pytorch

如何进去随便打开一个文件就行