机器学习之pytorch环境配置以及cuda安装
关于conda环境下安装cuda配置和pytorch
安装cuda
查看显卡型号 （进入cmd环境下） nvidia-smi
下载对应的cuda
CUDA Toolkit Archive | NVIDIA Developer）
选择与cuda相匹配的版本（版本尽量靠近些电脑的）
建议使用迅雷下载，网站下载会限速
正式安装
安装路径的选择，如果c盘空间富足，可以安装在c盘中，直接自己会配置好环境
一般系统所安装的软件都是在C:\Program Files\中，里面的都是下载所安装的应用软件，其他文档中的数据不用动就行。
选择自定义安装，同时只选择cuda
然后点击下一步，等待安装
查看是否安装成功
Win+R,输入cmd.打开命令行，输入
nvcc -V
查看cuda的版本号
查看环境变量
如下：
不需要进行配置
选择cudnn的安装包
https://developer.nvidia.cn/rdp/cudnn-archive
需要进行注册英伟达官网的账号，人机验证真该死啊。
将下载下来的文件，复制到
找到文件夹 .data\NVIDIA GPU Computing Toolkit\CUDA\v11.6 的路径下。data.\的位置在你的电脑中，如果和我的安装位置一样就是c盘的C:\Program Files中。
下载pytorch
进入Anaconda prompt
输入conda create -n torch python=3.9 创建虚拟环境 troch是环境的名字
输入 conda env list 查看环境的配置
输入conda activate torch
我的cuda版本号是11.6，所以就需要查看过去版本，进行安装指令选择
我的版本是11.6的，所以我选择的安装指令是
CUDA 11.6安装
conda install pytorch==1.13.1 torchvision==0.14.1 torchaudio==0.13.1 pytorch-cuda=11.6 -c pytorch -c nvidia
然后执行
继续执行
验证pytorch
将配置好的环境，放于jupyter notebook中，创建新内核
python -m ipykernel install --user --name torch --display name "torch"
指令的意思。创建一个ipykernel 文件，使用troch的虚拟环境的文件，此文件起名字为troch
然后执行jupyter notebook
继续在里面执行代码
安装成功pytorch
