7.利用pycharm，vscode配置pytorch

1.cuda

随着显卡的发展，GPU越来越强大，而且GPU为显示图像做了优化。在计算上已经超越了通用的CPU。如此强大的芯片如果只是作为显卡就太浪费了，因此NVIDIA推出CUDA，让显卡可以用于图像计算以外的目的。
CUDA是一种由NVIDIA推出的通用并行计算架构，该架构是GPU能够解决复杂的计算问题，所以想采用GPU进行神经网络训练，就必须要安装CUDA。

1.1. 查看计算机是否预装cuda
桌面上右键，选择NVIDA控制面板；

如图所示，我的计算机已经预装了 cuda 11.3.123；
只有CUDA 10.0及以上版本才支持在Python中使用GPU，如果版本太低，则需要重新下载。
cuda下载链接：cuda-downloads。

2. PyTorch框架安装

1. PyTorch版本选择
   首先，访问PyTorch官网，选择你需要的PyTorch版本：
   

• 注意建议不要选Package中的Pip，虽然Pip安装是一种比较高效的安装方式，但是在安装PyTorch时会哦有一定面临未知错误的风险；
• 选择和上一步对应的CUDA版本；
• 在最底下生成一条conda命令，复制此命令；

2. pytorch安装

• 打开PyCharm，打开终端，把命令粘贴进去；
  conda install pytorch torchvision torchaudio cudatoolkit=11.3 -c pytorch
• 下载有点慢，如果不愿等太久，可以尝试换源；
  换源
  ** 不过换源过程中可能遇到各种问题，我是添加了以下源可以解决**
  在打开的终端中输入以下命令，

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --set show_channel_urls yes
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/bioconda/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/menpo/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/

• 注意： -c pytorch 是指使用pytorch官网下载，删掉后才能使用镜像下载；
  所以换源之后输入以下命令：
  conda install pytorch torchvision torchaudio cudatoolkit=11.3
  输入一次y，回车之后开始读条，就差不多稳了；
  
• 可以输入conda list查看一下是否装上了。

3.测试pytorch框架是否有用

测试代码：

import torch
import torchvision
print(torch.__version__)
print(torch.cuda.is_available())#cuda是否可用
print(torch.cuda.device_count())#返回GPU的数量
print(torch.cuda.get_device_name(0))#返回gpu名字，设备索引默认从0开始

输出如图：

vsocde

因为pycharm和vscode 用的是同一个环境所以vscode不用配置直接能运行pytorch。