前言

这篇文章单纯是我在配置超算平台环境时候的备忘录，仅供参考。
conda，cuda 10.0, pytorch 1.2.0

一、检查环境与基本安装方法

查看驱动

nvidia-smi

如果得到了类似下图，说明驱动没问题

接下来查看cuda版本

cat /usr/local/cuda/version.txt

一般会得到下面类似的版本输出

接下来根据cuda版本安装适配版本的pytorch

我的cuda版本是10.0，所以选择的是pytorch 1.2.0

接下来去pytorch官网找相应的安装命令

如果cuda版本够高，可以直接在首页找安装命令

我的cuda版本不够，就在previous pytorch version里面找对应的版本

那么我的安装命令就是(一定要确定自己的cuda版本匹配后再安装！！！）

conda install pytorch==1.2.0 torchvision==0.4.0 cudatoolkit=10.0 -c pytorch

之后按照输出的命令操作就可以，如果顺利的话就安装完成了。

可以输入以下命令检测是否安装完成

python   #进入python环境

import torch
print(torch.__version__)  #输出torch版本

print(torch.cuda.is_available())   #查看是否可以使用GPU，true就是可以，false就是不行

二、可能的问题

1.安装速度过慢

由于原始的安装命令是访问外网进行下载，所以有时候速度会很慢，建议使用清华源安装
先查看当前的镜像源

conda config --show

得到下面的输出：

主要关注channels这一项。可以看到我的现在是默认源，我们把它换成清华源。

输入以下命令，添加路径：

conda config --add channels http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/py
conda config --add channels http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/menpo/
conda config --add channels http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/bioconda/
conda config --add channels http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/
conda config --add channels http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
conda config --add channels http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --add channels http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/

同时删去默认路径：

conda config --remove channels --default

设置搜索时显示通道地址，执行下面命令

conda config --set show_channel_urls yes

得到以下结果

最后，再利用安装命令进行安装，注意要删掉后面的“-c pytorch”

conda install pytorch==1.2.0 torchvision==0.4.0 cudatoolkit=10.0

接下来就是见证神奇的时刻，安装速度实在是太快了，简直完美！

最后，输入命令 “python” 检验一下

完美！！！

2.无法使用GPU

大多数无法使用GPU的情况都是因为cuda和pytorch的版本不搭配

首先检查版本是否搭配

如果不搭配，先删除pytorch，找到合适版本的pytorch，重复上面的步骤即可。

下面是删除pytorch的命令

conda uninstall pytorch

conda uninstall libtorch

总结