Ubuntu20.04安装pytorch检查cuda

安装pytorch

pytorch官网：https://pytorch.org/get-started/locally/

pytorch

torch-torchvision-python版本对应关系

torch-torchvision-python

cuda-torch对应关系

cuda-torch

pip安装（推荐）

用anaconda安装torch。新建虚拟环境后，直接在pytorch官网官网链接找到“Install”按钮。这里一键搞定torch，torchvision，cudatoolkit等等，不需要另外安装cuda（笔者在没有单独安装CUDA情况下，成功运行了torch-gpu，很丝滑），并且版本都会自己对于对应好，原因是anaconda都集成在虚拟环境里面了，统一管理各个依赖包。有镜像源的情况下，去掉末尾的“-c pytorch”会更快，否则经常容易下载超时。不过conda下载超时时间可以设置。

默认cuda版本

pip3 install torch torchvision torchaudio

更改cuda版本

pip3 install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu113
pip3 install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu116

如果不是用anaconda来管理环境，就要仔细对照torch、torchvision、cuda之间的对应关系。

下载安装包安装

安装包下载地址：https://download.pytorch.org/whl/torch_stable.html
根据cuda版本-torch版本-python版本找寻相应的下载文件，进行下载。然后到whl文件下载的位置，使用 pip install xxx.whl 进行安装即可。

安装完成后，我们要进行检查，以确保torch和cuda可以正常使用。

检查cuda

1. 是否可以用显卡：

torch.cuda.is_available()

output

True

2. 显卡个数：

torch.cuda.device_count()

output

1

3. 显卡名字：

torch.cuda.get_device_name(0)

output

'NVIDIA GeForce RTX 3080'

4. 测试cuda版本和gpu是否匹配

torch.zeros(1).cuda()

如果是不匹配的话，就会得到一开始的这个报错信息：

NVIDIA GeForce RTX 3080 with CUDA capability sm_86 is not compatible with the current PyTorch installation.
The current PyTorch install supports CUDA capabilities sm_37 sm_50 sm_60 sm_70.
If you want to use the NVIDIA GeForce RTX 3080 GPU with PyTorch, please check the instructions at https://pytorch.org/get-started/locally/

通过最近装cuda环境研究发下仅仅通过前三步命令是不能够测试cuda是否可以正常使用的，第四步才是最关键的。
解决方法：新建一个conda环境，使用pip安装pytorch时指定cuda版本：

pip install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu113

这样安装出来cuda就是11.3的，可以正常使用RTX3080。
值得一提的是，若非新建conda环境而是在原有conda环境的基础上卸载pytorch再重新运行上面的指令进行安装，即使是cu113的也无法解决该错误。猜测是conda在本地缓存了torch的安装包文件而非从cu113的网址上重新下载。因此最好的解决方案是新建conda环境。
之后遇到了一个新的报错：

    model = PPO.load("/Volumes/easystore/rerun/pong_v1/policy")
  File "/Users/dd/miniconda3/envs/tf_new/lib/python3.8/site-packages/stable_baselines3/common/base_class.py", line 645, in load
    model._setup_model()
  File "/Users/dd/miniconda3/envs/tf_new/lib/python3.8/site-packages/stable_baselines3/ppo/ppo.py", line 152, in _setup_model
    self.clip_range = get_schedule_fn(self.clip_range)
  File "/Users/dd/miniconda3/envs/tf_new/lib/python3.8/site-packages/stable_baselines3/common/utils.py", line 88, in get_schedule_fn
    assert callable(value_schedule)
AssertionError

也就是在PPO加载模型的时候出现了一个从未见过的报错，于是搜了一波
见github issue：
https://github.com/DLR-RM/stable-baselines3/issues/403
简单来说，因为训练模型时的python版本和加载模型时的python版本不一致，所以在调用stable_baselines3的时候报错了。应该是用来保证训练环境和测试环境的一致性的。
解决方法：按照训练时的环境配置重新配置测试环境

卸载pytorch

使用conda卸载pytorch

conda uninstall pytorch
conda uninstall libtorch

使用pip卸载pytorch

pip uninstall torch torchvision torchaudio

reference
https://www.cnblogs.com/huangshiyu13/p/16467225.html
https://blog.csdn.net/qq_39763246/article/details/122250062
https://blog.csdn.net/mao_hui_fei/article/details/112078113