强化学习配置GPU相关过程汇总

0.引言

以下展示了在为我们Ubuntu配置Cuda等一系列配件，以在跑程序时用上GPU，而需要进行的操作。

1.确定当前驱动与CUDA版本

通过输入：nvidia-smi，可得到下图信息。易知我的驱动版本为：470.141.03，CUDA版本为11.4.

（补充）针对驱动与CUDA的匹配信息可见：https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html
主体部分见下图，当然网页下方有更详细精确的版本配对信息。

2.安装与CUDA版本配对的配件

在为新创建的虚拟环境安装torch等配件时，遇到了一个bug：分明安装了指定版本的torch，但CUDA识别不了。
即：

其实很自然，输出表明安装的torch不是gpu版本，而是cpu版本。于是引出我们后续需要采用的动作：安装适用于gpu版本的配件。
在这个网址：https://pytorch.org/get-started/locally/其实可以找到靠谱的安装命令，但奈何对应最新的CUDA版本，不太适合我的老旧CUDA。
实际上最后在下面网址找到了解决方案：
https://pytorch.org/get-started/previous-versions/
首先选择需要的pytorch版本，由于我的虚拟环境需要torch>=1.11,于是挑了后面一些的。
注意别选：

（我感觉这还是cpu版本的？）
最后选了：

命令为：
pip install torch==1.11.0+cu113 torchvision==0.12.0+cu113 torchaudio==0.11.0+cu113 --extra-index-url https://download.pytorch.org/whl/cu113

3.测试GPU是否能使用

最后在你的虚拟环境下进入python，并运行：
import torch
torch.cuda.is_available()
若输出True，即成功啦！