深入学习之anaconda、pytorch、cuda安装

1. 安装CUDA与CUDNN

• csdn大佬安装步骤
  【CUDA】cuda安装 （windows版）

1. 查看此电脑的CUDA版本配置
   自己电脑上GPU使用的详细参数

nvidia-smi

2. 安装对应版本的CUDA
   大佬链接
3. 安装对应的CUDNN
   大佬链接
4. 查看安装的CUDA驱动的版本

nvcc --version

5. 查看 CUDA 设置的环境变量

set cuda

2. Anaconda安装PyTorch

1.查看 conda 环境

conda env list

（创建环境时，也可以复制已有的环境）

conda create -n 新环境名 --clone 旧环境名

2. 创建虚拟环境

conda create -n 环境名 python=X.X

3. 进入创建的虚拟环境

conda activate 环境名

4. 安装pytroch（如pytorch1.12）

conda install pytorch==1.12.0 torchvision==0.13.0 torchaudio==0.12.0 cudatoolkit=11.3 -c pytorch -y

如果已经提前安装好了cuda11.6，不需要在命令安装cudatoolkit

conda install pytorch==1.12.1 torchvision==0.13.1 torchaudio==0.12.1 -c pytorch -y

5. 退出虚拟环境

conda deactivate

3. notebook添加自己创建的环境

1. 在base环境中执行：

conda install nb_conda_kernels

2. 在相应的环境下执行：

conda install ipykernel

3. 重新启动notebook

4. 卸载创建的虚拟环境及所有库

conda remove -n 环境名 --all

5. Anaconda安装相关的库

• 例如：安装pandas库

1. 先进入创建的虚拟环境
2. 在安装对应的库（使用清华源，解决连接超时的问题）

pip install pandas  -i https://pypi.tuna.tsinghua.edu.cn/simple/

python -m pip install tb-nightly -i https://mirrors.aliyun.com/pypi/simple

6. 卸载指定库

pip uninstall  XXX

7. 忽视警告性提示

import warnings
warnings.filterwarnings('ignore')

8. GPU测试

import torch
# 使用GPU训练
if not torch.cuda.is_available():
    print('CUDA is not available.  Training on CPU ...')
else:
    print('CUDA is available.  Training on GPU ...')
device = torch.device("cuda:0" if torch.cuda.is_available() else "cpu")