百度AI studio配置pytorch环境

1 之前的方法

百度的AI studio真的是良心了，V100显卡，显存16G,免费的卡，虽然平台主张使用paddle paddle其实pytorch也是可以用的按道理tensorflow也是可以用，但是cuda出现一点问题，虽然可以配置pytorch环境但是每次重启服务器之后又要重新配置pytorch，如果要配置的环境比较多的话，安装时间也是需要考虑的问题，还是不太方便，我猜百度是随机分配服务器的，所以这只适合没钱买显卡的学生党，而且算是送福利了，没卡真的很伤！

百度的anaconda环境直接给你配好了，所以可以直接使用conda命令

不说废话了

1，新建sh格式的shell文件，命名为(env.sh)，目的是导入清华源，加快python库的安装速度

#!/bin/sh
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/
conda config --set show_channel_urls yes

2.创建自己的虚拟环境(一般情况下只需要三步）
 

sh env.sh
# 运行上面的shell脚本
conda create -n env_name python=3.7(新建虚拟环境，这里选择自己的python版本）
source activate env_name
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple torch==1.0.1 torchvision==0.2.1 pillow==6.1
(如果还要安装其它的python库可以在后面以  “库名==详细的版本号”的格式加入）

2 一个命令激活pytorch环境

把上面的命令统一放到一个env.sh脚本中，以后新建环境，只需source env.sh即可

#!/bin/bash
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/
conda config --set show_channel_urls yes
echo y | conda create -n env_name python=3.7 ; source activate env_name ; pip install -i https://pypi.tuna.tsinghua.edu.cn/simple torch==1.0.1 torchvision==0.2.1 pillow==6.1

然后就可以使用了，注意百度的cuda版本是9.2 我安装的pytorch1.0.1是可以安装的如果按照其它的pytorch版本注意是否与cuda9.2匹配。当然也可以自己换cuda版本，有点麻烦并且每次重新配置环境不建议。

可能有人不太相信，下面我截个图，

正常情况下nvidia-smi命令显示如下，注意看显卡使用为0MiB /16160MiB

我跑的mnist代码

在运行深度学习代码的过程中nvidia-smi命令显示如下图，显存使用6004MiB /16160MiB，

只要显存使用不为0就说明在使用显卡，手写识别项目数据比较小，大量数据的情况V100也够了，bert微调也可以

我还跑了一个比较大的模型residual attention这篇文章的代码attention-92参数数量19920362

不用gpu加速的时候，运行时间如下图最后一行 4323s/epoch

使用gpu加速的时候，127s/epoch, 4323/127=34倍，所以使用gpu加速的训练速度是不使用gpu加速的34倍！