我本机是windows10+GeForce GTX 1050 Ti的环境, 配置了下pytorch环境， 这里整理一下.
升级显卡驱动程序
去Nvidia官网地址 https://developer.nvidia.com/cuda-downloads 按系统版本，选择下载在线升级包, 下载完后，选择自定义先升级显卡驱动,如图:
cuda-driver.png
我的已经升级完成， 升级完重启
安装cuda
按下图选择， 下一步，完成安装
cuda.png
检查cuda版本
nvidia-smi
nvidia-smi.png
可以看到当前CUDA Version已经是12.0了
安装pytorch
通过conda创建一个python环境
conda create -n python3.8 python=3.8.15
activate python3.8
安装pytorch，我们到 https://pytorch.org/get-started/locally/ 选择安装方式
pytorch-install.png
这里我们采用pip安装(用conda安装一直识别不到cuda)
pip install torch torchvision torchaudio --trusted-host=download.pytorch.org --extra-index-url https://download.pytorch.org/whl/cu117
验证是否安装成功
import torch
torch.cuda.is_available()
cuda-is-available.png
显示True就证明pytorch cuda已经配置成功了。
其它
最开始使用的conda安装pytorch， 走了很多弯路，不过发现了mamba这个东西， 下载和检查本地依赖比conda快很多, 这里也记录一下, mamba是conda包管理器的c++实现, 下面是mamba的几个描述:
- 使用多线程并行下载、管理包文件
- libsolv 用于更快地解决依赖关系，这是 Red Hat、Fedora 和 OpenSUSE 的 RPM 包管理器中使用的最先进的库
- mamba 的核心部分是用 C++ 实现的，以实现最高效率
mamba使用方式和conda几乎一样
mamba.png
以cuda包为例:
mamba search cuda
mamba install cuda
mamba remove cuda
