深度学习环境配置记录（pytorch+cudatoolkit）

配3dResNet的时候遇到几个问题 源码：kenshohara/3D-ResNets-PyTorch: 3D ResNets for Action Recognition (CVPR 2018) (github.com)

1、安装完pytorch，却调不出cuda（玄学）

以pytorch1.1.0 cuda9.0环境为例，先在conda环境里输入

# CUDA 9.0
conda install pytorch==1.1.0 torchvision==0.3.0 cudatoolkit=9.0 -c pytorch

此时我的cuda依然是处于不可调用的状态

 ……很无语，看了两个小时帖子之后，没操作任何，莫名其妙又好了

解决

2、import torchvision时报错

解决方法：换一套pytorch和torchvision，cudatoolkit

讲道理这个问题应该是各个库版本之间互相不匹配造成的，在项目环境允许的情况下可以多配几套试试

在Pytorch官网上找自己需要的版本，语句都给你生成好了，特别方便。

Start Locally | PyTorch

3、现在好像是不用自己装cuda了，直接装cudatoolkit就能跑通大部分的代码

 参考：(11条消息) conda安装的cudatoolkit与Nvidia官方提供的cudatoolkit的区别_马圈圈马的博客-CSDN博客_conda cudatoolkit与cuda的区别

4、torchvision.transform 里面现在已经淘汰了Scale的用法，统一用Resize代替

 

除此之外，帖子尾端的参考资料也比较有价值。总结起来就一句话：pytorch提供的cudatoolkit，可以满足绝大多数情况下pytorch框架下代码的运行。特殊情况也在帖子中写的比较清楚了。

Mark：

检验torch是否能够调用GPU训练的方法：

import torch
flag = torch.cuda.is_available()

最后：train起来啦！小小开心一下hhhh，也是挺不容易的。

参考：

cuda、cudnn、cudatoolkit等概念区分：
(11条消息) cuda和GPU驱动的关系_AIchiNiurou的博客-CSDN博客_cuda和gpu的关系(11条消息) pytorch：测试GPU是否可用_James_Bobo的博客-CSDN博客_pytorch判断gpu是否可用cdPytorch 使用不同版本的 cuda - yhjoker - 博客园 (cnblogs.com)