PyTorch基础

如何在 Windows 中查看显卡型号查看电脑GPU

方法 1：在 Windows 设置中查看显卡型号

1使用Windows + I快捷键打开「设置」。

2依次点击「系统」-「屏幕」和「高级显示器设置」。

3在「显示器 1」旁边就可以看到显卡名称。

方法 2：在「任务管理器」中查看显卡信息

使用「任务管理器」是在 Windows 10/11 中查看显卡信息最快捷的方法之一。具体操作步骤如下：

1使用Ctrl + Shift + Esc快捷键，或右键点击任务栏空白处，选择打开「任务管理器」。

2打开「性能」选项卡，找到并点击 GPU 项目。在页面顶部，你将看到 GPU 的名称。

在「任务管理器」中查看显卡信息

3在页面底部，你还可以查看到显卡的其他详细信息，包括：

• 使用率
• GPU 内存（VRAM）
• 专用 GPU 内存
• 共享GPU内存
• GPU 温度
• 驱动程序版本

什么是CUDA 

CUDA是一种由NVIDIA公司推出的通用并行计算架构。它的主要目的是让开发者能够利用GPU的强大计算能力来进行通用计算，这种计算方式通常被称为GPGPU（General-Purpose computing on Graphics Processing Units）。CUDA提供了一种并行程序模型，允许开发者定义并控制大量的并行线程的执行，这些线程可以被组织成线程块和线程组。CUDA核心是运行在这些线程上的特殊函数，它们能够在GPU上并行执行任务。

如何管理环境

以把环境理解成房子，不同的项目要不同的房子。

用Conda 创建一个名为 pytorch 的新环境，并且在这个环境中安装 Python 3.7

conda create -n pytorch python=3.7

激活环境

conda activate pytorch

检查pytorch是否安装成功，成功运行无显示即为成功

python
import torch

安装成功

检查GPU是否可以被pytorch使用，若显示True即可

torch.cuba.is_available()

 pycharm中解释器的配置

Jupyter安装

Jupyter 是一个基于 Web 的交互式计算平台，使用户能够创建和共享文档。Jupyter 在数据分析领域被广泛应用，它提供了一个直观、交互式的操作界面，使得用户能够更容易地探索数据、可视化数据以及进行数据处理和建模的实验。

Jupyter 不仅能够对 Python 代码进行展示和格式化，还能够保存用户的历史代码和结果以及数据分析结果。这些结果可以在后期随时查看和修改，使得 Python 的学习和应用变得更加方便和高效。

已经同anaconda一起安装到计算机，但存在一个问题是Jupyter默认只安装在base环境，所以在朋友torch环境中再次安装Jupyter。

pip install jupyter

将虚拟环境加入到Jupyter

python -m ipykernel install --user --name yolov8 --display-name "Python (yolov8)"

 

Jupyter打开方法

conda activate yolov8

Jupyter notebook

python学习中的两大法宝函数

dir()：打开，看见

help()：说明书，注意help中的函数不能带（），例如help(torch.cuda.is_available)

PyTorch加载数据入门

Dataset：提供一种方式去获取数据及其label
       实现两个功能① 如何获取每一个数据及其label
                             ② 告诉我们总共有多少的数据

Dateloader：为后面的网络提供不同的数据形式

什么是Google Colab

Google Colab是谷歌提供的免费Jupyter 笔记本环境，不需要什么设置与环境配置就可以使用，完全在云端运行。不影响本地的使用。

Google Colab为研究者提供一定免费的GPU，可以编写和执行代码，所有这些都可通过浏览器免费使用。同学们可以在上面轻松地跑 Tensorflow、Pytorch 等深度学习框架。