2023年9月12日 深度学习课程是基于Pytorch框架
有的没的
因为之前瞎搞，环境乱七八糟，这次DL课程最好装上GPU版本，那么就通过这次一次性弄个好吧！绝对不是因为，我之前不会弄。（是这样的）
课程需要配置好环境。最后经过一段时间的瞎搞乱搞的调整，Pytorch-GPU版本成功安装好了。
我是根据B站--土堆教学【---->视频链接<----】，再加上我的特殊情况（总是CPU）版本的错误，进行修改从而达到的安装好的目的。
上面这个视频非常推荐观看!!
我的安装配置情况之前就弄不好
- 独立显卡：
NVIDIA GeForce 3060 Laptop - 电脑系统：
Windows 10 - Pytorch：
1.12.1 py3.10_cuda11.3_cudnn8_0 - CUDA:
11.3
一、基本流程
- 更新独显驱动（已经装了，不想更新也行）
- 确认
CUDA Driver版本，Pytorch版本 - 创建
conda的虚拟环境 - 通过指令安装
Pytorch - 配置好
Pycharm - 测试
Pytorch安装
二、开干! 【确认基本信息】
2.1确认自己的独立显卡型号。
去任务管理器啥的就有。我的显卡是GTX 3060 Laptop,算力是8.6
2.2 我们需要更新自己独立显卡的驱动。根据自己的情况进行安装最新的驱动。（已经装了，不想更新也行）
2.3 确认自己的显卡当前算力下支持的CUDA版本。
- 方法一：这里需要对比一下这个表~可以看到，因为我的算力是
8.6我就对着看，看11.1-11.4都是OK的。
- 方法二：通过
NVIDIA指令进行查询。
打开终端输入以下指令，会出现以下的信息。
nvidia-smi
可以看到，CUDA的版本是12.2，和刚才的11.1 - 11.4不匹配，我为了保险起见，最终还是选择了11.3的版本。它是可以不装最新的那个版本的。
三、开干！【实际安装】
3.1 创建Conda的虚拟环境
①用Prompt创建环境
在我们的Prompt中输入以下指令。Prompt就是这个
conda create -n DeepLearning -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
这段指令的意思就是创建一个虚拟环境：
- 名为
DeepLearning的虚拟环境 - 并且修改通道为清华的镜像
- 有询问输入
y即可
指令格式为：conda create -n 【环境名字】 -c 【通道链接】
②激活新创建的环境
通过以下指令进行激活。
conda activate DeepLearning
激活以后，左边的括号会改变哦。一开始我们是在base的环境下，激活后便到了DeepLearning下。
③安装需要的包
我这里踩坑两次，总是装成CPU版本。我们需要先安装一下anaconda，并且更新conda后面才能显示出来包的环境是否为GPU。
所以来到环境后我们可以先安装一个anaconda的一些包，保证conda指令较新。
conda install anaconda
④更新conda
我们需要更新conda，我这个一装都是v-4.几最新的都23.多。使用以下指令:
conda update conda
如果出现如下提示：
说明没有用管理员方式打开，我们只要关掉，然后用管理员运行即可。
如果管理员还是这个德行。
我们就需要安装一下conda。使用指令,安装成功后再试试更新。然后可以用conda --v来查询版本。
conda install conda
变成上面这个求样子，这个运行完以后就虚拟环境部分结束了。终于弄好了，这一步卡了30分钟，我蠢撒子
3.2 在Pytorch官网上找到自己的版本下载指令。
我们进入官网。Pytorch官网下载
不难看到，这版本都好新，11.8我怕装上用不了，我就去装旧的。点那个Previous。即可，进去后以你支持的CUDA版本，记好了是CUDA版本比如我的是CUDA 11.3。浏览器ctrl + f搜索。就会得到以下结果。
把这条代码复制过来就是：
conda install pytorch==1.12.1 torchvision==0.13.1 torchaudio==0.12.1 cudatoolkit=11.3 -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/win-64/
此处，把最后的通道修改为了国内的通道，下的非常快，比原本的那个好一些。
3.3 返回虚拟环境
将指令输入到终端中，然后等待，就会出现以下的框框。
此处会对应几个情况，都是我遇到的！！我会一一说明。
- 如果此处，没有框框。是因为
conda的版本太低了，觉得没有安全感。你返回上面3.1的第④步自己去更新！ - 但其实如果此处，没有框框。一直在转圈圈那你就等等它，极大概率会安装成功，只要之前做的是对的。
- 如果此处，
Pytorch不是cuda版本，显示了cpu说明官网指令不对，去复制官网的。 - 如果此处, 因为我先前装了
cudatollkit不是清华的镜像，就先取消安装把指令改为：
3.4 查看环境配置是否正确
输入以下指令,查看安装包。
conda list
会出现一长串，但是是排序好的，主要找这两个。
- 看看
pytorch是否是cuda的版本
- 看看
cudatoolkit安装了没。
如果都有了那就欧克!
3.5 代码检查。
终端，输入以下指令。如果出现了True，哇靠！成啦！
python
import torch
print(torch.cuda.is_available())
四、配置Pycharm
4.1 创建一个新的文件
我们在配置的时候需要选择环境，用本地的环境，第一次是肯定看不到新创建的DeepLearning环境的。点击添加解释器。
选择，conda环境，然后选最新创建的那个DeepLearning。
4.2 等啊等等
输出代码
import torch
print(torch.cuda.is_available())
哇！输出True啦！如果是False就是安装错误需要重新做，或者你没有独立显卡啦！
4.3 测试代码
把代码输入即可测试速度！这个是黏贴过来的！！【-->代码源地址<--】
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))
结束结束！！！！！祝自己能学点东西8........