关于CUDA+Torch+TorchVision+Python环境配置问题

背景知识

1、GPU的并行计算能力，在过去几年里恰当地满足了深度学习的需求。在训练强化学习模型时，为了提供更好地算力和训练时间，因此需要使用GPU。
2、CUDA：是Nvidia推出的只能用于自家GPU的并行计算框架。只有安装这个框架才能够进行复杂的并行计算。主流的深度学习框架也都是基于CUDA进行GPU并行加速的，几乎无一例外。还有一个叫做cudnn，是针对深度卷积神经网络的加速库。

本文主要讲一下配置这个环境的心路历程，后面再遇到类似的问题可以回到这篇进行查阅。

一、首先安装Anaconda（含解释器python（base）、numpy等一系列包）。

二、安装编译器Pycharm。

以上1和2的安装就不再赘述。

三、查看自己的cuda是否可用。

这块主要是版本一定要对应好，否则一直显示无可用Cuda。

python
import torch
print(torch.cuda.is_available())
False
print(torch.cuda.device_count())
0
1
2
3
4
5
6

第一次查看后为False，而且可用的cuda数是0，查找原因后发现是因为安装的cuda版本和已有torch版本不对应。

于是有了接下来的操作：
1、查看之前的list包，将之前的torch和torchVision进行卸载

conda list
pip uninstall  包名
1
2

2、然后查找自己的Cuda版本，win10电脑中在搜索栏检索：Nvidia控制面板——帮助——系统信息——组件。可以发现我的Cuda版本为11.6。

3、我的Python版本为3.8，系统为windows系统，对应的Cuda应使用11.3（我也不知道为啥要用11.3，明明Cuda的版本是11.6，此前用11.6的亲测后显示无可用的cuda，看到一个博主写的是用11.3，自己尝试后发现确实不报问题，于是就果断下载了11.3）。
下载torch和torchVision GPU版本的地址如下：

https://download.pytorch.org/whl/cu113/torch_stable.html
1

使用Ctrl+F搜索113，直接定位到和自己版本对用的torch（2.2GB）和torchVision（6.8MB）的whl文件，下载到本地（建议用外网下载，否则比较慢）。


4、安装以上两个whl文件。
安装使用 pip install 文件路径 即可。如下：

pip install C:/Users/XXXXX/Downloads/torch-1.10.1+cu113-cp38-cp38-win_amd64.whl
pip install C:/Users/XXXXX/Downloads/torchvision-0.13.0+cu113-cp38-cp38-win_amd64.whl
1
2

5、再一次在python解释器下查看cuda是否可用。

python
import torch
print(torch.cuda.is_available())
print(torch.cuda.device_count())
1
2
3
4

这次显示如下：

说明cuda和torch版本对应了。

四、训练模型

训练模型时发现开始可以正常训练，但是最终报错如下：

查阅资料后发现是因为自己的anaconda3文件夹底下有多个libiomp5md.dll文件导致的，删除F:\Anaconda3\Library\bin路径下的这个libiomp5md.dll文件，其他的不用管。删除后还有多个libiomp5md.dll文件，如图所示，但是再次训练时已经不报错了。

于是就可以正常的训练了。