Setup Env
1 查看自己电脑所对应的CUDA版本
方法一:搜索输入cmd打开命令提示符窗口,输入nvidia-smi
(这个命令用于在终端中显示关于 NVIDIA GPU(图形处理单元)的系统信息和状态。具体而言,nvidia-smi 命令会返回关于系统中安装的 NVIDIA GPU 的各种信息,包括但不限于:
GPU 的名称和型号。
GPU 的驱动程序版本。
GPU 的内存使用情况。
GPU 的温度和风扇速度。
运行在 GPU 上的进程信息。
其他与 GPU 相关的性能和状态信息。
这个命令对于监控 GPU 的性能、排查问题以及了解 GPU 的实时状态非常有用。它在科学计算、深度学习等领域经常被使用。)
方法二:进行搜索 nvidia
弹出这个页面
点击左下角,系统信息
2 对应CUDA版本的安装(文中用到的是CUDA 11.8 )
按此步骤完成 https://blog.csdn.net/qq_40906446/article/details/128628063
安装完成后命令提示符窗口输入nvcc -V查看 CUDA 版本信息,nvcc -V 主要用于查询 CUDA 编译器的版本信息。
显示系统中安装的 NVIDIA CUDA 编译器版本是 11.8,说明安装成功了。
3 安装Anaconda
mac、windows的下载、安装、管理均可参考此链接https://zhuanlan.zhihu.com/p/32925500
安装完成后输入conda --version或者conda -V都可以查看conda版本,看到版本就说明安装成功了。
4 安装torch
因为在学习使用joyrl框架,就根据这个网站https://github.com/datawhalechina/joyrl里的README来创建环境和安装torch的,大家可以根据自己的情况安装对应版本。
# you need to install Anaconda first
conda create -n joyrl python=3.8
conda activate joyrl
pip install -U joyrl
# pip CPU only
pip install torch==1.10.0 torchvision==0.11.0 torchaudio==0.10.0
# if network error, then GPU with mirror image
pip install torch==1.10.0+cu113 torchvision==0.11.0+cu113 torchaudio==0.10.0 --extra-index-url https://download.pytorch.org/whl/cu113
# CPU only
conda install pytorch==1.10.0 torchvision==0.11.0 torchaudio==0.10.0 cpuonly -c pytorch
# GPU
conda install pytorch==1.10.0 torchvision==0.11.0 torchaudio==0.10.0 cudatoolkit=11.3 -c pytorch -c conda-forge
安装完之后在终端(命令提示符)窗口输入 conda activate joyrl
(注意:我的环境叫joyrl,你的叫什么名字自己改一下输入的指令!),然后你就进入到自己创建的环境里了。
输入 conda list
你就可以看见自己在此环境中安装的包是否已经安装成功,可以看到我的torch安好了。
5 环境搭建完成,试一下
直接把code下载到了本地,然后测试了一下可以跑起来。
小生不才,如有错误疏忽,请各位大佬不吝赐教!