虚拟环境与conda以及GPU使用

1. 在虚拟环境中安装GPU版本torch

1.1 需要在win系统下安装匹配版本的CUDA toolkit（toolkit就是指工具包）和 cuDNN（用于配置深度学习使用）

需要查看显卡驱动最高支持的版本，两种方法：
1.桌面右键NVIDIA控制面板
2.cmd nvidia-smi
如图所示CUDA版本最高到12.0，向下兼容。
（但是要注意torch版本同样要与CUDA和cudnn兼容，目前2023.7torch兼容到了CUDA11.8版本）

CUDA

官网链接：CUDA Toolkit Archive
这里选择win11，11.8版本


检验CUDA是否安装成功
cmd nvcc -V

cudnn

官网链接：cuDNN Archive
这里选择与CUDA 11.8 匹配的最新版本

CUDA和cudnn详细安装步骤见CUDA与cuDNN安装教程（超详细）

1.2 在虚拟环境中安装GPU的torch，torchvision，torchaudio

方法一：安装包下载到本地，离线安装到虚拟环境中
方法二：（抄来的，未测试）

pip3 install torch==2.0.0+cu118 torchvision==0.15.0+cu118 torchaudio==2.0.0 -f https://download.pytorch.org/whl/torch_stable.html

只介绍方法一

step1：

首先创建一个虚拟环境，创建时选择对应的python版本
关于conda相关指令，见：Conda常用命令记录与.condarc

step2：

安装包地址：pytorch.org
torch示例：whl与tar,gz区别？

cu118：CUDA 11.8
torch-2.0.1：torch版本
cp311：python3.11
win：windows

下载好的三个文件如下：（下载的是2.0.0版本的torch）

step3：

进入到虚拟环境
cd 到文件所在目录

我的这三个文件所在目录是D:\Download_mydata\Edge_download
如下图一个一个pip install 就可以

测试：

import torch

if torch.cuda.is_available():
    device = torch.device("cuda")
    print("CUDA is available.")
    print("Device:", torch.cuda.get_device_name())
else:
    device = torch.device("cpu")
    print("CUDA is not available. Using CPU.")

step4：

给新环境安装jupyter notebook和ipykernel,这里jupyter只是一个交互界面，ipykernel是内核控制（大概是这个意思，详见IPython与Jupyter Notebook）

conda install jupyter
conda install ipykernel

在环境里执行下面的代码来手动添加kernel进jupyter notebook

python -m ipykernel install --user --name [虚拟环境名] --display-name "kernel命名"

例

python -m ipykernel install --user --name py3.11 --display-name "py311kernel"

之后再jupyter里面就有了

step5: 可有可无

新环境下创建Jupyter Notebook的桌面快捷方式
就像这样，快速启动该环境下的jupyter notebook

观察之前的一个已经创建好快捷方式的环境”env_ML2“和base环境快捷方式的目标

复制到记事本对比

区别在于后三个，分别指向了虚拟环境文件夹、文件夹中的python、文件夹中的jupyter notebook
新建一个快捷方式，将目标改为如下：
注意没有回车，只有空格

全部换成D:\Code\Anaconda_files\py3.11\Scripts\jupyter-notebook.exe达到同样效果，不理解？

但是不知道step5意义是什么？

补充

在更新windows版本后，出现了cuda无法使用的问题，输入以下代码无法调用gpu

import torch

if torch.cuda.is_available():
    device = torch.device("cuda")
    print("CUDA is available.")
    print("Device:", torch.cuda.get_device_name())
else:
    device = torch.device("cpu")
    print("CUDA is not available. Using CPU.")

解决方法：
手动卸载torch-gpu三件套，重新安装。
1.从D:\Code\Anaconda_files\py3.11\Lib\site-packages中找到三个文件，连带包含dist-info的文件夹全部删除。（这里dist-info好像在虚拟环境安装包的时候都会有）

Python package dist-info 是 Python 包管理系统中一种用于存储元数据的目录结构。它在 Python 3.3 及以后的版本中作为安装 Python 包的一种标准方式被引入，用于替代旧的 .egg-info 目录。
dist-info 目录通常位于 Python 包的安装目录下，并包含一个名为 METADATA 的文件和一个名为 RECORD 的可选文件。其中，METADATA 文件包含了与该 Python 包相关的元数据信息，例如包名、版本号、作者、许可证等等。RECORD 文件记录了该包中每个文件的路径和校验和，以便在卸载或升级包时进行文件的清理或者更新。
Python 包的安装方式可以分为两种：系统范围安装和虚拟环境安装。在系统范围安装中，Python 包将会被安装到 Python 解释器的全局环境中，并且 dist-info 目录会被安装在 Python 的 site-packages 目录下。而在虚拟环境中，Python 包会被安装到虚拟环境对应的目录中，并且 dist-info 目录也会相应地被安装在虚拟环境的 site-packages 目录下。
总之，dist-info 目录是 Python 包管理系统中的一个标准化的目录结构，用于存储 Python 包的元数据信息和记录文件清单，它是 Python 包管理的一个重要组成部分。

2.重新上面的操作，进行安装。