PyTorch学习
1.关于环境的一些思维导图
来源-B站小土堆
2.关于环境的搭建
Anaconda
(1) anaconda安装
安装网站（清华镜像）: https://repo.anaconda.com/archive/
下载完成后打开图像化界面 Anaconda Navigator,可以看到环境中有个base
(2)创建虚拟环境
我们在做一些项目时，可能要用到不同版本的PyTorch，所以创建不同的虚拟环境是非常有必要的
step1：使用清华镜像创建虚拟环境，名称为：
mypytorch1 镜像地址：https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
指令：
conda create -n mypytorch1 python=3.8 -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/step2：下载成功，如下所示，使用
conda env list指令查看环境列表
(3) conda的通道与镜像地址
镜像地址原理：
在anaconda下载后，在配置文件中的channel参数中有个默认的下载地址，是国外的服务器
而我们可以通过添加镜像地址（通道地址）来实现镜像下载
CUDA
1.准备工作
1）概念梳理
2）关于显卡算力
查看网址（需外网）：CUDA - Wikipedia
| Compute capability (version) | GPUs | GeForce | Quadro, NVS |
|---|---|---|---|
| 8.6 | GA102, GA103, GA104, GA106, GA107 | GeForce RTX 3090 Ti, RTX 3090, RTX 3080 Ti, RTX 3080 12GB, RTX 3080, RTX 3070 Ti, RTX 3070, RTX 3060 Ti, RTX 3060, RTX 3050, RTX 3050 Ti(mobile), RTX 3050(mobile), RTX 2050(mobile), MX570 |
RTX A6000, RTX A5500, RTX A5000, RTX A4500, RTX A4000, RTX A2000 RTX A5000(mobile), RTX A4000(mobile), RTX A3000(mobile), RTX A2000(mobile) |
3）cuda版本与支持的算力
- CUDA SDK 11.1 – 11.4 support for compute capability
3.5 – 8.6(Kepler (in part), Maxwell, Pascal, Volta, Turing, Ampere (in part)).[38] - CUDA SDK 11.5 – 11.7.1 support for compute capability
3.5 – 8.7(Kepler (in part), Maxwell, Pascal, Volta, Turing, Ampere).[39]
4）查看自己的驱动 CUDA Driver Version-11.6
命令：nvidia-smi
5）最终适用CUDA 11.1-11.6之间均可以
2.NVIDIA驱动程序安装
最好到官网 https://www.nvidia.com/Download/index.aspx?lang=cn 去安装最新版本的驱动
PyTorch安装
首先要conda activate mypytorch1进入自己的虚拟环境
下载地址：[PyTorch](https://pytorch.org/)
指令：pip3 install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu116
安装完成后可以通过pip list来查看packages中是否有torch包
验证是否安装成功
1.输入python
2.输入import torch
3.输入torch.cuda.is_available()
4.如果显示True, 就说明我们安装成功
Pycharm中使用
在pycharm中可以将我们的terminal定位到我们安装torch的虚拟环境mypytorch中
在jupyter notebook中添加虚拟环境
1.首先要激活（进入）虚拟环境
conda activate 虚拟环境名称
2.pip install ipykernel ipython
3.ipython kernel install --user --name mypytorch1
4.如果以后想要删除虚拟环境jupyter kernelspec remove 虚拟环境名称