做社交的招聘网站/沈阳线上教学

1. 准备工作

1.1 需要提前安装的软件

• Anaconda
  史上最全最详细的Anaconda安装教程
• CUDA
  CUDA安装教程（超详细）

2. 安装pyTorch

2023最新pytorch安装教程，简单易懂，面向初学者（Anaconda+GPU）

我遇到的问题

下载pyTorch总是失败，我以为是计算机用户名是中文，会导致一些列软件的错误，最后发现并不是。所以用户名是中文这件事不用担心了。

3. 显卡测试

测试的目标有两个：

• 测试GPU状态是否可用
• 测试Tensor能否正确的加载在GPU上

打开Anaconda PowerShell Prompt输入以下代码测试：
先选择虚拟环境，我的虚拟环境名字是 yang ，然后 python 是为了下一步使用 import 关键字

conda activate yang
python
import torch
print(torch.cuda.is_available())

结果返回 true ,说明GPU 可用

使用以下代码可以查看显卡的数量和具体信息：

print(torch.cuda.device_count())
print(torch.cuda.get_device_properties(0))

4. CPU与GPU切换方法

4.1 创建张量

import torch
x=torch.Tensor([1,2,3])
print(x,x.device)

4.2 第一种切换方法

• 使用 x.cpu() 和 x.cuda()

x=x.cpu()
print(x,x.device)
x=x.cuda()
print(x,x.device)

4.3 第二种切换方法

• 使用张量的 to 方法

cpu_device=torch.device("cpu")
gpu_device=torch.device("cuda:0")x=x.to(cpu_device)
print(x,x.device)x=x.to(gpu_device)
print(x,x.device)

至此，我们已经对开发环境进行了完整的测试。