pytorch配置及相关知识

python与库

python提供的是最基础的功能

库/包/package/libarary可以提供丰富的功能，就是别人分享的工具、模板，可以高效的完成一些事情。

pytorch和tensorflow

其实就是python的库

只不过主要用于深度学习

安装其实就是 pip install torch

Anaconda

python环境

conda命令 我们可以用 conda install 包名 -库

虚拟环境- pytorch 1.10版本，1.4版本

可以在不同虚拟环境安装不同的版本

​ 方式1：通过此建立新的虚拟环境

​ 方式2：通过命令行

若要运行：

查看此时有的虚拟环境

不同项目可以创建虚拟环境，可以安装不同版本的包

pycharm

传统python如何运行

切换命令行：

激活base环境：conda activate base

有pycharm后的运行

显卡GPU与CUDA

显卡GPU、驱动

深度学习显卡，CUDA

深度学习显卡 NVIDIA

有了CUDA 我们就可以操作英伟达品牌的显卡

GPU VS CPU

深度学习中各个软件的关系

Anaconda 安装后就有个Base虚拟环境

每个虚拟环境里都有一个python的解释器 conda、pip的管理工具，通过Package安装管理tensorflow、pytorch

也可以自定义一些虚拟环境 用不同版本的python解释器、一些库

pycharm：一些配置 是对虚拟环境的引用，现在的python文件引用的自定义环境，找到对应的虚拟环境，python解释器会对python文件有解读，如果python文件中要调到不同的库，也去不同的库package调用。接着python解释器将python文件翻译成机器语言，最后发给cpu。

如果想发给gpu，要装一个驱动CUDA，同时在环境中的包装一个CUDA

GPU 创建虚拟环境

GPU 与CUDA的准备工作

一定要相互匹配 向左调用

4.看自己的驱动 CUDA Driver Version 12.1 使用命令 nvidia-smi

conda的通道与镜像地址

安装pytorch

pip安装更好一些

将官网的一串代码复制到cmd控制命令行中

验证pytorch安装成功

pycharm

新建项目

位置：

python解释器：

编辑python解释器：

1.选择已有的环境：

2.编辑新环境：

注意：

此处都可以在anaconda中进行更多的操作，如进入对应环境的终端，下载安装包等等

在pycharm中切换环境

1.

2.

ZY.png" >

2.