机器学习&&深度学习——非NVIDIA显卡怎么做深度学习（坑点排查）
作者简介：一位即将上大四，正专攻机器学习的保研er
上期文章：机器学习&&深度学习——数值稳定性和模型化参数（详细数学推导）
订阅专栏：机器学习&&深度学习
希望文章对你们有所帮助
这一部分掉坑真的不知道掉了多少个。我是AMD卡的，我想AMD卡的同志们很多都掉过坑了，也许就在我掉过众多坑里面。网上很多说法是AMD卡做深度学习可以使用RCom，然而我发现几乎没有太多资料，毕竟做深度学习的大多数用的是N卡。emmmm，万一掉坑了都没有人能启发到我，所以当时我就放弃了，接下来给出坑点并且排查，最终给出绝对可行的解决方案。
AMD显卡怎么做深度学习
- 卸载CPU版本的torch
-
- 卸载方式
- 问题
- 安装GPU版本的torch
-
- 安装方式
- 问题
- Anaconda配置虚拟环境
- 下载cuda
-
- 问题
- 最终解决方案
之前的内容中，我都是使用了CPU版本的torch来进行深度学习，在前面的线性模型当然很好跑，因为线性模式确实是比较简单的。但是随着之后的模型越发的复杂，我们很需要GPU来帮助我们实现并行运算，因此我们需要安装GPU版本的torch。
卸载CPU版本的torch
因为听说有了GPU版本的torch，在一些使用的过程中可能会出现冲突，所以我第一下想到的就是卸载CPU版本的torch。卸载的时候还需要把这个torch中所包含的包也一并卸载了。
卸载方式
使用cmd终端卸载，卸载的方式有两种：
1、pip方式卸载：
pip uninstall torch
pip uninstall torchvision
2、conda方式卸载：
conda uninstall pytorch
conda uninstall libtorch
据说是使用了conda方式下载的话就用第二种，pip方式下载的话就用第一种，感觉好像又不是很有道理，总之两个都试过了，也都告诉我卸载成功了。
问题
但是接下来就出现了很奇怪的一幕。我在cmd终端输入如下语句：
python
import torch
torch.__version__
最终告诉我的答案里面是不存在torch，那理论上应该是成功了才对。。。然而我去pycharm中执行：
import torch
print(torch.__version__)
额。。。居然给我输出了CPU版本的torch，我还猜测是不是亲爱的pycharm没缓过来。。。无论重启还是关机都显示含有CPU版本的torch。。。原地捣鼓半天，网上好像也没个针对这个具体问题的解决方案，最终放弃卸载。
安装GPU版本的torch
安装方式
进入pytorch官网：
pytorch官网
用上面的conda或者pip语句都是可以的，在终端中运行就好，连cuda版本都给咱们指定好了。
问题
我以为pycharm是出了什么毛病，明明终端显示没有CPU版本的torch了，偏偏pycharm输出了。。。我就以为换个GPU版本的torch应该就没事了，这其实也是瞎捣鼓，最终在pycharm中输出CPU版本的torch，在终端输出GPU版本的torch。
因此在pycharm中跑GPU方式的代码是行不通的。。。
Anaconda配置虚拟环境
既然卸载的方式行不通，我就找别的方法，之前已经安装过了Anaconda，我们靠着这个工具来实现环境的配置。步骤如下：
1、我们可以自行创建虚拟环境：
conda create --name pytorch python=3.9
我们可以通过
conda env list
来查看当前的环境，其中base是本来的环境，pytorch是我们创建的虚拟环境。
2、我们需要激活这个环境，那么接下来下载的东西（包括各种的包、包括GPU版本的torch）都可以下载到这个虚拟环境去，也就是说这个虚拟环境本来就是干净的，不像base环境那样装过CPU版本的torch。
激活的语句为：
avtivate pytorch
再打开当前的环境列表，可以看出pytorch已经被激活：
3、下载GPU版本的torch
将上面的语句进行下载，接下来就可以把torch下载到自己新建的虚拟环境pytorch中去了。
4、在pycharm中配置它。
打开File-Settings-Project:Python-Python Interpreter：
点开Add Local Interpreter，即可选择之前的路径成功切换。
但是此时我还是不能运行相关语句，搜相关资料以后知道是没有cuda，运行语句：
print(torch.cuda.is_available())
最后会返回False，因此我们需要下载cuda。
下载cuda
这个步骤就不细说了，这个下载过程是傻瓜式教程，网上有。
问题
这个问题就比较严重了。。。安装都安装不成，安装了我才知道只有NVIDIA卡是可以下载cuda的，那我的方向再一次断了，而且我很难在原有基础上转变思路。
最终解决方案
接下来就是我最终的解决方案了，租借线上平台。
我是用的autodl平台去租借的，大家可以放心使用（我觉得官网有点话都写的不太清楚，我一直不知道到底只是租一个GPU而已还是啥，因为如果只是租一个GPU我没有cuda照样不行，最终还是搞了点钱去试了一下），点开以后里面有使用文档，使用方法很容易，大家可以放心使用。