模型训练环境相关（CUDA、PyTorch）

模型训练环境相关（CUDA、PyTorch）

• [1. 查看当前 GPU 所能支持的最高版本的 CUDA](#1. 查看当前 GPU 所能支持的最高版本的 CUDA)
• [2. 如何判断是否安装了 CUDA](#2. 如何判断是否安装了 CUDA)
• [3. 安装 PyTorch](#3. 安装 PyTorch)
• • [3.1 创建虚拟环境](#3.1 创建虚拟环境)
  • [3.2 激活并进入虚拟环境](#3.2 激活并进入虚拟环境)
  • [3.3 安装 PyTorch](#3.3 安装 PyTorch)

1. 查看当前 GPU 所能支持的最高版本的 CUDA

1. 打开 NVIDIA 控制面板；
2. 点击【帮助】菜单，并选择【系统信息】选项；
3. 选择【组件】，并在3D设置模块，找到NVCUDA.DLL，在该行， 可以看到该NVCUDA的版本；
4. 下载显卡驱动 NVIDIA；
5. 安装 CUDA Toolkit Archive；
6. 安装 cudnn；
   

2. 如何判断是否安装了 CUDA

	nvcc -V

如果已经安装了 CUDA，则会显示 CUDA 版本信息；如果没有安装，则会出现「command not found」的错误信息。

3. 安装 PyTorch

使用 Anaconda

3.1 创建虚拟环境

打开 Anaconda Prompt：

• 在 anaconda 中添加镜像源：

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/

conda config --set show_channel_urls yes

• 创建所需虚拟环境：

conda create -n your_env_name python==3.10.0

3.2 激活并进入虚拟环境

1. 在上一步的基础上，对创建完成的虚拟环境进行激活：conda activate my_env；
2. 若要退出当前的虚拟环境，执行以下指令即可：conda deactivate；

3.3 安装 PyTorch

1. 进入 PyTorch 官网，选择相关参数，获取PyTorch安装指令，并在 Anaconda Prompt 终端中执行；
   注意：安装的时候要将命令后的 -c pytorch 后面的内容删除，从国内源进行下载，速度快一些。

2. 安装 PyTorch，至此基础环境已经部署完成；

3. 验证 PyTorch 是否安装成功：

   python 
   import torch 
   torch.cuda.is_available()