本地搭建深度学习训练环境（配置conda环境 cuda pytorch...）

目录

• 简介
• Nvidia驱动和cudatoolKit
  • 下载引导
  • 检验命令
• pytorch(最好使用wheel)
• pycharm添加解释器环境

简介

首先我们要下载的东西包括：

• anaconda（虚拟环境管理）
• pycharm(代码 项目编辑器)
• Nvidia驱动和CUDAtoolKit(CUDA就是由CUDA驱动和CUDA工具包组成)
• pytorch(最好使用wheel)
  其中，anaconda和pycharm的下载比较简单，这里不在赘述。主要讲解后两个：

Nvidia驱动和cudatoolKit

Nvidia驱动是向下兼容的，所以可以先将驱动更新。然后通过命令nvidia-smi可以查看当前驱动版本，以及该驱动支持最高版本的CUDA。

下载引导

Nvidia驱动的下载

CUDAtoolKit的下载

检验命令

import torch
print('CUDA版本:',torch.version.cuda)
print('Pytorch版本:',torch.__version__)
print('显卡是否可用:','可用' if(torch.cuda.is_available()) else '不可用')
print('显卡数量:',torch.cuda.device_count())
print('是否支持BF16数字格式:','支持' if (torch.cuda.is_bf16_supported()) else '不支持')
print('当前显卡型号:',torch.cuda.get_device_name())
print('当前显卡的CUDA算力:',torch.cuda.get_device_capability())
print('当前显卡的总显存:',torch.cuda.get_device_properties(0).total_memory/1024/1024/1024,'GB')
print('是否支持TensorCore:','支持' if (torch.cuda.get_device_properties(0).major >= 7) else '不支持')
print('当前显卡的显存使用率:',torch.cuda.memory_allocated(0)/torch.cuda.get_device_properties(0).total_memory*100,'%')

pytorch(最好使用wheel)

进入之后需要往下找需要的版本

找到后，进入自己的conda环境下载即可。
另外，由于下载速度较慢，可以换国内源。

pycharm添加解释器环境

在使用pycharm添加解释环境的时候，显示找不到conda可执行文件
找到anaconda3\condabin\conda.bat 加载环境就行