编译darknet时已经安装了cuda、cudnn
Start Locally | PyTorch An open source machine learning framework that accelerates the path from research prototyping to production deployment.https://pytorch.org/get-started/locally/
PyTorch Build ： Stable (1.12.0)
Your OS ： Linux
Package ： Pip
Language ： Python
Compute Platform ： CUDA 11.6（安装的是11.7）
Run this Command:
pip3 install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu116
sudo apt install python3-pip
pip3 install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu116
这样就安装好了，没有windows版安装那么复杂。
测试，找了网上的测试代码
编写 test.py
import torch
import time
# 查看torch版本
print(torch.__version__)
# 定义矩阵a和b，随机值填充
a = torch.randn(10000, 1000)
b = torch.randn(1000, 2000)
# 记录开始时间
t0 = time.time()
# 计算矩阵乘法
c = torch.matmul(a, b)
# 记录结束时间
t1 = time.time()
# 打印结果和运行时间
print(a.device, t1 - t0, c.norm(2)) # 这里的c.norm(2)是计算c的L2范数
# 使用GPU设备
device = torch.device('cuda')
# 将ab搬到GPU
a = a.to(device)
b = b.to(device)
# 运行，并记录运行时间
t0 = time.time()
c = torch.matmul(a, b)
t1 = time.time()
# 打印在GPU上运行所需时间
print(a.device, t1 - t0, c.norm(2))
# 再次运行，确认运行时间
t0 = time.time()
c = torch.matmul(a, b)
t1 = time.time()
print(a.device, t1 - t0, c.norm(2))
# 定义a b c x的值，abc指定为需要求导requires_grad=True
x = torch.tensor(2.)
a = torch.tensor(1., requires_grad=True)
b = torch.tensor(2., requires_grad=True)
c = torch.tensor(3., requires_grad=True)
# 定义y函数
y = a * x ** 2 + b * x + c;
# 使用autograd.grad自定求导
grads = torch.autograd.grad(y, [a, b, c])
# 打印abc分别的导数值（带入x的值）
print('after', grads[0],grads[1],grads[2])
执行python3 test.py
1.12.0+cu116
cpu 0.168928861618042 tensor(141292.)
cuda:0 0.36303186416625977 tensor(141435.6250, device='cuda:0')
cuda:0 0.00019240379333496094 tensor(141435.6250, device='cuda:0')
after tensor(4.) tensor(2.) tensor(1.)
那篇文章解释了运行结果，第一次CUDA运行，需要初始化环境，所以执行时间比CPU长，第二次就是正常的了。
