python包的管理是使用python进行实验过程中最为重要的一环，很多时候运行他人代码失败的原因是没能按照对方的要求配置python包库。本篇博客重点介绍深度学习场景中python包的管理。

python包版本选择

使用pytorch进行深度学习训练时，需要注意pytorch包分为2个版本：cpu版本和gpu版本。使用cpu版本所需要的环境较为简单，但训练效率没有gpu版本高。大部分情况需要下载gpu版本的pytorch及附属包进行深度学习训练。本篇博客也主要是针对gpu训练场景的介绍。

Python 3.7.15 (default, Nov 24 2022, 21:12:53) 
[GCC 11.2.0] :: Anaconda, Inc. on linux
Type "help", "copyright", "credits" or "license" for more information.
>>> import torch
>>> torch.cuda.is_available()
False
>>>

上述指令中torch.cuda.is_available()的返回结果是false则说明并为按照要求安装gpu版本的pytorch包，因此后续训练无法正常进行。只有当其返回值是true才能使用gpu进行pytorch模型训练。

此时我们需要安装的pytorch版本不是普通的pytorch了,而是指定了cuda版本的gpu版本pytorch包。指定cuda版本是因为gpu版本的pytorch包需要依赖cuda驱动实现功能，因此cuda版本十分关键。（这只是一种简化的解释，具体解释可以参考：理清GPU、CUDA、CUDA Toolkit、cuDNN关系以及下载安装 ）

python包安装

首先需要确认cuda版本，运行nvidia-smi查看版本信息，然后运行指令

pip install torch==1.9.0+cu111 torchvision==0.10.0+cu111 torchaudio==0.9.0 -f https://download.pytorch.org/whl/torch_stable.html

安装制定版本的python包。