pytorch（cuda）的安装

安装好之后可以进去虚拟环境，然后进去python，接着导入模块import torch，然后torch.cuda.get_device_capability()可以知道自己的显卡的算力！！！我的cuda算力是3.5,而大神说pytorch1.3需要满足>=3.7算力，所以就不用想了！我的显卡是GeForce920m。

需要注意的是每种包（或框架）对应的python版本，对应的其它包的版本是一一对应的，需要搞清楚再来安装。

1.安装了anaconda之后先创建一个虚拟环境：

　　创建虚拟环境：conda create -n env_name list of packagename，如：conda create -n pytorch python=3.7

2.然后用nvcc -V（如果没有反应就先安装sudo apt install nvidia-cuda-toolkit）查看Linux系统的cuda是什么版本，我的cuda版本是9.1.85。

3.接着去pytorch官网找安装pytorch的安装命令conda install pytorch==1.2.0 torchvision==0.4.0 cudatoolkit=9.2 -c pytorch

4.进入虚拟环境，安装：conda install pytorch==1.2.0 torchvision==0.4.0 cudatoolkit=9.2 -c pytorch

注意：可以直接覆盖，不需要先卸载再安装。

　　1.一开始我是用conda install pytorch torchvision cudatoolkit=10.2 -c pytorch来安装，没有指定pytorch的版本，所以它会自动安装最新的版本（1.5.1）。

　　但是运算的时候出现了错误RuntimeError: CUDA error: no kernel image is available for execution on the device（运行时错误：CUDA错误：没有可在设备上执行的内核映像），可能是安装的cuda版本和系统的cuda版本不一样的原因。

　　2.之后换成了cuda9.2版本：conda install pytorch torchvision cudatoolkit=9.2 -c pytorch，同样没有指定pytorch的版本，还是自动安装最新的版本（1.5.1）。

　　运算的时候还是出现了错误RuntimeError: CUDA error: no kernel image is available for execution on the device，cuda版本和pytorch版本是需要一一对应的。

　　3.最后换成了cuda9.2版本并指定了pytorch1.2.0版本：conda install pytorch==1.2.0 torchvision==0.4.0 cudatoolkit=9.2 -c pytorch，再次运算就可以了。

 

　　4.conda install pytorch==1.4.0 torchvision==0.5.0 cudatoolkit=9.2 -c pytorch

　　    conda install pytorch==1.3.1 torchvision==0.4.2 cudatoolkit=9.2 -c pytorch

　　　这两个都不行。都会报错RuntimeError: CUDA error: no kernel image is available for execution on the device运行时错误：CUDA错误：没有可在设备上执行的内核映像）

 

我更换台式机（显卡2070s）之后直接在环境中安装CUDA和CUDNN。CUDA和CUDNN的安装教程可见：https://www.cnblogs.com/zhengzian/articles/13938516.html