Pytorch配置常用链接及常见的不兼容问题

一、问题

学习Pytorch的过程中，发现项目程序要求的torch版本较低，需要在Conda环境下再配置一个虚拟环境，配置中出现了不兼容问题，初配置如下：

CUDA 9.2 + Pytorch 1.6.0 + torchvision 0.7.0

虽然用"nvcc-V"和“CUDA安装路径里自带的demo”均验证CUDA已安装成功，但在新建的torch环境中，运行：

torch.cuda.is_available()

显示“False”。此外，上述初配置是按照项目开源程序里"requirments.txt"里配置，所以本以为按此配置不会出问题。捣鼓半天发现可能有几个小问题:

• 开源程序里的库作者自己用时可能长久未更新，所以现在再下载的相同版本库内部已有所变化；
• 看源码发现，Conda环境下每一个虚拟torch会根据一定的路径自动搜索与自己版本兼容的CUDA版本，从这一点上，CUDA环境变量的配置可能不具有“必须性”(测试确实如此，删除原配置的环境变量不影响torch对CUDA的使用)

二、解决

最终没有坚持项目程序里对库版本的配置要求，将CUDA从9.2 改为 CUDA10.2版本，问题解决。以下是Pytorch环境配置中可能用到的一些链接，这里留以记录：

1. Ananconda安装： Anaconda Download
2. CUDA Toolkit下载官网：CUDA Toolkit Download

• tips:NVIDIA显卡向下兼容，高版本可以下载低版本的CUDA,"nvidia-smi "可以查询“可兼容的最高版本CUDA”

3. CUDA、Pytorch、torchvision兼容关系查询： Compatibility Quary Link
4. 神经网络加速库cuDNN：cuDNN Download
5. Pytorch安装官网：Pytorch Download

• tips: Pytorch与CUDA安装时的对应关系不必过于严格，相近的版本也可组合使用

6. Pytorch学习中可能用到的一些非官方库： Archived: Unofficial Windows Binaries for Python Extension Packages
7. 查看当前显卡算力：Compute Capabilities Quary Link
8. Pytorch3d 各版本：Pytorch3d Releases Download
9. NVIDIA CUB 下载：NVIDIA/cub Download
10. NVIDIA显卡算力查询：cuda-gpus

---

ing…