使用GPU版PYtorch,踩过的坑（PYtorch版本和GPU版本不对应问题）

接触深度学习半年，pytorch小白一枚

1.之前下载的pytorch，忘记了是下载的什么版本的，用yolov5训练神经网络的时候，1000张数据集，跑了三天三夜，直接使用的就是cpu，无法调用gpu，运用了各种方法有解决不了，（现在觉得应该是下载错版本了，直接安装上了cpu版本）

解决办法：

1.在Anaconda新建一个环境，我命名为gpu

2.激活gpu环境  conda activate gpu

3.给环境换源。在gpu环境下执行如下的命名给环境换清华源。

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 --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
conda config --set show_channel_urls yes4

 4.查看自己电脑显卡的型号，并查看匹配的cuda

我的cuda是11.2，但是从pytorch官网上看的只有11.3cuda版本和10.2

5.第一次我下载了一个11.3版本，发现无法使用，后来查资料得知，只能下载小于等于自己本机cuda，也就是说我是11.2版本的，我只能下载，<=11.2的cuda。

6.在pytorch官网点开历史版本，找到历史版本，我下载的是11.1版本的cuda，然后将下面红色框框中的内容复制下来，一定不要把后面的-c pytorch -c conda-forge也复制下来，因为这样运行就是还是在国外源下载，这样就会很慢。

7.下载好ptorch，再寻找对应版本的torch

我下载的pytorch是1.7.0。

这样以后cuda和pytorch版本对应以后就可以使用gpu训练神经网络啦。

附上查询各版本，以及cuda的方法

import torch
print(torch.__version__)
print(torch.version.cuda)
print(torch.backends.cudnn.version())
print(torch.cuda.is_available())

 

显示true就是代表可以用。

ps。当运行train.py时，显示显卡内存不足，可以选择调小batch.size ,如果发现调整的再小都没用的话，可能就是版本的问题，而且可以查看cuda的数量和名称，我的是0，所以我可以在dafault中输入0.或者空。