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
- 2. 如何判断是否安装了 CUDA
- 3. 安装 PyTorch
- 3.1 创建虚拟环境
- 3.2 激活并进入虚拟环境
- 3.3 安装 PyTorch
1. 查看当前 GPU 所能支持的最高版本的 CUDA
- 打开 NVIDIA 控制面板；
- 点击【帮助】菜单，并选择【系统信息】选项；
- 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；
- 下载显卡驱动 NVIDIA；
- 安装 CUDA Toolkit Archive；
- 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
- 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； - 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
- 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。 - 安装 PyTorch，至此基础环境已经部署完成；
- 验证 PyTorch 是否安装成功：
python import torch torch.cuda.is_available()
