Linux安装Pytorch1.8GPU(CUDA11.1)的实现

下面是Linux安装PyTorch 1.8 GPU(CUDA 11.1)的完整攻略：

1. 安装CUDA和cuDNN

首先，需要安装NVIDIA的CUDA和cuDNN。可以通过以下步骤安装：

下载并安装最新版本的CUDA Toolkit。可以通过cuda官网下载相应版本的CUDA Toolkit，并按照官方文档执行安装步骤。
下载cuDNN。可以在cuDNN官网上下载相应版本的cuDNN，并按照官方文档将文件复制到GPU的库目录中。

2. 安装Anaconda

接下来，需要安装Anaconda，可以通过以下步骤安装：

下载最新版本的Anaconda，可以在Anaconda官网上下载对应的版本。
执行Anaconda安装程序，并按照安装程序的指导完成Anaconda的安装。

3. 创建Python虚拟环境

安装完Anaconda后，可以进入终端或命令行界面，依次执行以下命令：

$ conda create -n pytorch1.8_cuda11.1 python=3.8
$ conda activate pytorch1.8_cuda11.1

第一句命令将创建名为“pytorch1.8_cuda11.1”的Python虚拟环境，并使用Python 3.8版本。第二句命令将激活创建的虚拟环境。

4. 安装PyTorch及其他依赖

在安装PyTorch之前，需要先安装一些依赖库。可以通过以下命令安装：

$ conda install numpy ninja pyyaml mkl mkl-include setuptools cmake cffi typing_extensions future six requests dataclasses

安装完依赖库后，接下来可以安装PyTorch。可以通过以下命令安装：

$ conda install pytorch torchvision torchaudio cudatoolkit=11.1 -c pytorch -c nvidia

其中，cudatoolkit的版本需要与之前安装的CUDA版本对应。本例中安装的是CUDA11.1版本，因此需要设置cudatoolkit为11.1。

安装完PyTorch之后，可以通过以下命令验证是否安装成功：

$ python -c "import torch; print(torch.cuda.is_available())"

如果输出为“True”，则说明PyTorch已经成功安装并启用了GPU支持。

示例说明

示例一

在GPU服务器上，我们需要先通过ssh登录到服务器，然后按照上述步骤进行PyTorch的安装和环境配置：

$ ssh user@remote_server
$ conda create -n pytorch1.8_cuda11.1 python=3.8
$ conda activate pytorch1.8_cuda11.1
$ conda install numpy ninja pyyaml mkl mkl-include setuptools cmake cffi typing_extensions future six requests dataclasses
$ conda install pytorch torchvision torchaudio cudatoolkit=11.1 -c pytorch -c nvidia

示例二

在本地PC上，我们同样可以按照上述步骤安装和配置PyTorch的环境。假设我们已经下载并安装了CUDA Toolkit和cuDNN，并将cuDNN的文件复制到了GPU的库目录中，我们可以执行以下命令安装PyTorch：

$ conda create -n pytorch1.8_cuda11.1 python=3.8
$ conda activate pytorch1.8_cuda11.1
$ conda install numpy ninja pyyaml mkl mkl-include setuptools cmake cffi typing_extensions future six requests dataclasses
$ conda install pytorch torchvision torchaudio cudatoolkit=11.1 -c pytorch -c nvidia

安装完毕后，可以通过以下命令验证是否成功安装和启用了GPU支持：

$ python -c "import torch; print(torch.cuda.is_available())"