搬运自我的obsidian知识库，资深软粉现在基本快要放弃 Windows了，所以搬过来记录一下吧，我使用了原编写日期来发布
基于个人环境编写，基于笔记本rtx2070、cuda11.6、win10系统，由于上个假期重新安装系统直接安装了python3.11版本太高了没有匹配所有硬件的pytorch版本，只能用anaconda了，下面记录一下配置流程、问题解决和一些常用指令记录；令，貌似我的显卡最多支持不到cuda11.7以上的版本，所以pytorch2恐怕无法安装了
前期准备与可选项
- cpu版本pytorch安装（我的surface在使用）
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/ conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/ conda config --set show_channel_urls yes conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
官网指令
pip3 install torch torchvision torchaudio
2. 查看本机cuda版本
1. cmd指令
```python
nvidia-smi2. 右键Nvidia显示面板 系统信息->组件- 安装anaconda前貌似需要卸载本机python，我没有卸载，目前没有遇到问题
anaconda安装
一个要点：环境变量配置（系统变量->PATH）
D:\anaconda
D:\anaconda\Scripts\
D:\anaconda\Library\bin
D:\anaconda\Library\mingw-w64\binpytorch环境配置
- 清华下载源配置
# 设置清华镜像（cmd命令行输入执行） conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/ conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/ 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/bioconda/
修改user/<用户名>/.condarc
channels:
- http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
- http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
- http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
show_channel_urls: true
ssl_verify: true
- 新环境创建，期间安装pytorch时solve卡了大半天，以为是配置出错，实际上等就行了。
conda create -n env_name python=3.9 # 创建一个名为env_name，版本为3.7的python虚拟环境 conda activate env_name conda install pytorch==1.13.1 torchvision==0.14.1 torchaudio==0.13.1 pytorch-cuda=11.6 -c pytorch -c nvidia
pytorch-GPU测试代码
务必确保在conda虚拟环境下运行（激活环境后prompt或cmd中输入code或使用notebook）
import torch
flag = torch.cuda.is_available()
print(flag)
ngpu= 1
# Decide which device we want to run on
device = torch.device("cuda:0" if (torch.cuda.is_available() and ngpu > 0) else "cpu")
print(device)
print(torch.cuda.get_device_name(0))
print(torch.rand(3,3).cuda())
# output
True
cuda:0
GeForce GTX 1080
tensor([[0.9530, 0.4746, 0.9819],
[0.7192, 0.9427, 0.6768],
[0.8594, 0.9490, 0.6551]], device='cuda:0')
import torch
import time
from torch import autograd
#GPU加速
print(torch.__version__)
print(torch.cuda.is_available())
a=torch.randn(10000,1000)
b=torch.randn(1000,10000)
print(a)
print(b)
t0=time.time()
c=torch.matmul(a,b)
t1=time.time()
print(a.device,t1-t0,c.norm(2))
device=torch.device('cuda')
print(device)
a=a.to(device)
b=b.to(device)
t0=time.time()
c=torch.matmul(a,b)
t2=time.time()
print(a.device,t2-t0,c.norm(2))
t0=time.time()
c=torch.matmul(a,b)
t2=time.time()
print(a.device,t2-t0,c.norm(2))
output : 
安装第三方库的方法
win10用anaconda配置gym教程+避坑anaconda安装gym、Tsukuyomi的博客-CSDN博客
Anaconda 安装python第三方库的各类方法_anaconda安装第三方包__Ashore的博客-CSDN博客
【强化学习】Win10使用anaconda安装Gym环境并运行你的第一个强化学习程序“Hello world”_kikook的博客-CSDN博客
报错解决
解决Anaconda3 solving environment 巨慢的方法_CHEN7_98的博客-CSDN博客
【Pytorch的坑】OSError: [WinError 126] 找不到指定的模块caffe2_detectron_ops_gpu.dll” or one of its dependencies_榴莲味的电池的博客-CSDN博客
conda常用指令记录
GPU相关：
import torch
#返回当前设备索引
torch.cuda.current_device()
#返回GPU的数量
torch.cuda.device_count()
#返回gpu名字，设备索引默认从0开始
torch.cuda.get_device_name(0)
#cuda是否可用
torch.cuda.is_available()
# pytorch 查看cuda 版本
# 由于pytorch的whl 安装包名字都一样，所以我们很难区分到底是基于cuda 的哪个版本。
print(torch.version.cuda)
# 判断pytorch是否支持GPU加速
print (torch.cuda.is_available())
# 【PyTorch】查看自己的电脑是否已经准备好GPU加速（CUDA）
# 那么在CUDA已经准备好的电脑上，会输出：cuda:0
# 而在没有CUDA的电脑上则输出：cpu
device = torch.device("cuda:0" if torch.cuda.is_available() else "cpu")
print(device)虚拟环境相关：
# 环境管理
conda env list
conda info -e
conda create -n （虚拟环境名） python=（python的版本）
conda activate （虚拟环境名）
conda deactivate
conda create -n （新虚拟环境名） --clone （旧虚拟环境名）
conda remove –n （虚拟环境名） ––all
# 包管理
conda list
conda install （包名）
conda install （包名）=（版本）
conda remove （包名）
conda update （包名）
conda search （包名）
较为详细
Anaconda conda常用命令：从入门到精通_anaconda命令_笨牛慢耕的博客-CSDN博客
Mac Pro M1测试PyTorch GPU - 掘金 (juejin.cn)
补充一段，macos测试代码：
import torch
torch.__version__
print (f"{torch.backends.mps.is_available(), torch.backends.mps.is_built()}")
a = torch.rand(5).to("mps")
print (a)
Comments NOTHING