Anaconda 相关

torch, torchvision, python版本对应

conda env list  # 查看已创建的虚拟环境
conda create -n  mytorch python=3.9  # 创建新的虚拟环境
conda activate mytorch  # 进入虚拟环境
conda deactivate  # 退出虚拟环境
conda remove -n mytorch --all  # 删除虚拟环境

检验 Anaconda 是否安装成功？

在CMD中键入python查看是否有 Python 环境，在CMD中键入conda -V查看是否有conda环境。

从官网中安装 pytorch 太慢，所以我们配置清华镜像源。
在 Anaconda Prompt 创建的虚拟环境中：

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/
# conda 安装 pytorch
conda install pytorch torchvision torchaudio cpuonly -c pytorch  # 去掉后面的-c pytorch，它表示从官网进行下载，而不是从清华镜像源下载 

• 在设备管理器中查看显示适配器
• Ctrl+shift+esc查看性能
• AMD 官网进行驱动更新→驱动与支持→选择自己的显卡型号AMD Radeon (TM) R9 M375→ 提交→ 下载驱动程序→ 进行安装
• 查看显卡的驱动程序：控制面板→ 硬件和声音→ 设备管理器→显示适配器→ 属性→驱动程序
• 使用 conda 从 清华镜像的安装 CPU 版本的 pytorch

AMD官网网址

cuda安装 & cudnn安装 & pytorch安装

检查pytorch是否安装成功？

键入 python 进入 python 解释器
>>>import torch
>>>torch.__version__  # 查看torch当前版本号
'1.11.0'

# pytorch GPU版本
>>>torch.version.cuda  # 编译当前版本的torch使用的cuda版本号
'11.3'
>>>torch.cuda.is_available()  # 查看当前cuda是否可用于当前版本的Torch，如果输出True，则表示可用
True

使用conda卸载pytorch

conda uninstall pytorch
conda uninstall libtorch

使用pip卸载Pytorch

pip uninstall torch

CUDA（ComputeUnified Device Architecture）是显卡厂商NVIDIA推出的运算平台。 CUDA是一种由NVIDIA推出的通用并行计算架构，该架构使GPU能够解决复杂的计算问题。

NVIDIA cuDNN是用于深度神经网络的GPU加速库，想要在CUDA上运行深度神经网络，就要安装cuDNN。

检查GPU是否支持CUDA？

Ctrl+Alt+Delete打开任务管理器> 性能>GPU>intel(R)HDGraphics 5500+AMD +AMD Radeon (TM) R9 M375 不支持CUDA