深度学习的pytorch环境

搭建

主要分为下列及部分

anaconda的安装和基本使用
pycharm的安装和基本使用
pytorch的安装

第一章，anaconda

不需要安装python，直接安装anaconda就行。因为里面自带一个解释器。

使用anaconda进行环境管理

conda env list#查看有些啥环境

conda create --name my_test python=3.7#创建一个名称为my_test

conda activate my_test#激活my_test

conda list#查看安装了哪些库

pip install 或者 conda install numpy# 在当前环境中安装numpy

安装pycharm，设置解释器

安装好后可以安装vim的插件。

安装pytorch

搜索cmd，输入nvidia-smi 。如果找不到这个指令那就cd到 C:\Program Files\NVIDIA Corporation\NVSMI 中里面有个nvidia-smi.exe。在cmd中运行这个程序。

结果的右上角有cuda 的版本号，如下图的CUDA Version 11.0。没有cuda的先安装cuda

在torch的官网找到类似下面的指令，修改后放到cmd里面去。

pip3 install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu117

修改最后一位的cuxxx，pip3改pip。cu117代表gpu的cuda11.7版本。这个是torch torchvision torchaudio都安装的。

然后检测一下安装好了没有。后面我抄的，原文https://www.stubbornhuang.com/1500/

import time
import torch

if __name__ == '__main__':
    print('torch版本：'+torch.__version__)
    print('cuda是否可用：'+str(torch.cuda.is_available()))
    print('cuda版本：'+str(torch.version.cuda))
    print('cuda数量:'+str(torch.cuda.device_count()))
    print('GPU名称：'+str(torch.cuda.get_device_name()))
    print('当前设备索引：'+str(torch.cuda.current_device()))

    device = torch.device("cuda:0" if (torch.cuda.is_available()) else "cpu")
    print(device)
    print(torch.rand(3, 3).cuda())

    for i in range(1,100000):
        start = time.time()
        a = torch.FloatTensor(i*100,1000,1000)
        a = a.cuda() #a = a
        a = torch.matmul(a,a)
        end = time.time() - start
        print(end)