每次配置模型环境，无论是在windows，linux，集群服务器上都会在这里卡一段，为了未来配置方便，记录下配置注意事项
配置cuda和torch主要有几个要点，分别是：
- 显卡与驱动（NIVIADA driver）是否适配。
- cuda版本与显卡是否适配。
- torch是否为gpu版本
- torch版本与cuda，与python是否适配
- touchvision版本与torch是否适配。
1. 显卡与驱动（NIVIADA driver）是否适配
On Linux/OS X：
nvidia-smi
结果形式一般为：
+-----------------------------------------------------------------------------+
| NVIDIA-SMI 520.61.05 Driver Version: 520.61.05 CUDA Version: 11.8 |
|-------------------------------+----------------------+----------------------+
| GPU Name Persistence-M| Bus-Id Disp.A | Volatile Uncorr. ECC |
| Fan Temp Perf Pwr:Usage/Cap| Memory-Usage | GPU-Util Compute M. |
| | | MIG M. |
|===============================+======================+======================|
| 0 NVIDIA A100-PCI... Off | 00000000:3B:00.0 Off | 0 |
| N/A 27C P0 54W / 250W | 0MiB / 40960MiB | 0% E. Process |
| | | Disabled |
+-------------------------------+----------------------+----------------------+
+-----------------------------------------------------------------------------+
| Processes: |
| GPU GI CI PID Type Process name GPU Memory |
| ID ID Usage |
|=============================================================================|
| No running processes found |
+-----------------------------------------------------------------------------+
NVIDIA-SMI 520.61.05 Driver Version: 520.61.05 是适配的即可，不然需要重新安装driver。
2. cuda版本与显卡（gpu）是否适配。
查询Compute Capability (CUDA SDK support ）
步骤为：
- 先确定显卡的算力级别：For example, the GeForce 820M compute capability is 2.1.
- 再确定cuda版本是否支持该算力级别: For example, CUDA 9.2 is not supported for compute compatibility 2.1.
3. cuda是否与driver适配
On Linux/OS X：
nvidia-smi
结果形式一般为：
+-----------------------------------------------------------------------------+
| NVIDIA-SMI 520.61.05 Driver Version: 520.61.05 CUDA Version: 11.8 |
|-------------------------------+----------------------+----------------------+
| GPU Name Persistence-M| Bus-Id Disp.A | Volatile Uncorr. ECC |
| Fan Temp Perf Pwr:Usage/Cap| Memory-Usage | GPU-Util Compute M. |
| | | MIG M. |
|===============================+======================+======================|
| 0 NVIDIA A100-PCI... Off | 00000000:3B:00.0 Off | 0 |
| N/A 27C P0 54W / 250W | 0MiB / 40960MiB | 0% E. Process |
| | | Disabled |
+-------------------------------+----------------------+----------------------+
+-----------------------------------------------------------------------------+
| Processes: |
| GPU GI CI PID Type Process name GPU Memory |
| ID ID Usage |
|=============================================================================|
| No running processes found |
+-----------------------------------------------------------------------------+
注意： 此表中显示的 CUDA 版本并不表示您的系统上实际安装了 CUDA 工具包这仅表明您的图形驱动程序兼容的最新版本的 CUDA。一般下载这个版本的cuda就对了。
3. pytorch安装
一般安装步骤：
conda install pytorch torchvision torchaudio cudatoolkit=11.8
一般linux/windows这样就没问题了，但是，由于我使用的是集群服务器，环境配置与模型训练（gpu）不在同一个节点，这样会直接安装为cpu版本的pytorch。同时集群里有cuda11.9module，我是不用下载cudatoolkit的。
检查一下：
$ conda list pytorch
pytorch 2.0.0 py3.9_cpu_0 pytorch
pytorch-mutex 1.0 cpu pytorch
cudatoolkit 11.1.1 heb2d755_10 conda-forge
果然是cpu版本呢。于是我首先卸载了原来版本的torch（或者重新创建环境）。然后手动安装下载wheel，在官方网站可下载。
cu开头的就是gpu版本啦
同时下载对应版本的torchvision：
这里我一开始下了cu118/torchvision-0.16.1%2Bcu118-cp311-cp311-win_amd64.whl，但是torchvision0.16和torch2.0不兼容，所以还要注意torch和torchvision匹配问题。
然后传到服务器文件夹里，在conda环境pip安装即可。
我在gpu节点测cuda一直false的原因就是torch和torchvision不匹配，torchvision后装把前面装的pytorch覆盖了重装了cuda12.1的版本，导致无法与GPU兼容。
4.测试与运行
这之后应该就可以正常运行了gpu了，测试gpu的pbs文件：
#!/bin/bash
#PBS -N yolov5_train
#PBS -l nodes=1:ppn=1:gpus=1
#PBS -l walltime=1:00:00
#PBS -o yolov5_train.out
#PBS -e yolov5_train.err
#PBS -A your_account
#PBS -V
#PBS -q gpu
# 使用GPU前必须启动
export PATH=/usr/local/cuda-11.8/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda-11.8/lib64:$LD_LIBRARY_PATH
# 查看cuda版本
nvcc --version
# Display GPU information
nvidia-smi
conda init bash
source ~/.bashrc
conda activate checkcuda2
# Check if CUDA is available using Python
python -c "import torch; print(torch.__version__)"
python -c "import torch; torch.zeros(1).cuda()"
python -c "import torch; print(torch.version.cuda)"
python -c "import torch; print(torch.cuda.is_available())"
conda deactivate
参考
- Why
torch.cuda.is_available()returns False even after installing pytorch with cuda? - GPU版本安装Pytorch教程最新方法
