Linux系统下，GPU版本 (Cuda12.1)安装pytorch，用清华源安装

在Linux系统下安装PyTorch并支持CUDA 12.1，通常需要以下几个步骤：

1. **更新包列表**:
首先，你需要确保你的系统是最新的。运行`sudo apt-get update` 和 `sudo apt-get upgrade`。

2. **安装CUDA**:
下载CUDA 12.1的相应版本，并按照官方文档安装。你可以从NVIDIA官网下载适用于Ubuntu的DEB包，然后使用`dpkg -i`命令安装。

   wget https://developer.nvidia.com/compute/cuda/12.1_linux/x86_64/cuda-repo-ubuntu1804-12-1-local-ga2-12-1.list
   sudo dpkg -i cuda-repo-ubuntu1804-12-1-local-ga2-12-1.list
   sudo apt-key adv --fetch-keys http://developer.download.nvidia.com/repos/ubuntu1804/x86_64/nvidia-archive.key
   sudo add-apt-repository "deb [arch=amd64] http://developer.download.nvidia.com/compute/cuda/12.1/local-ga2 repo"
   sudo apt-get update
   sudo apt-get install nvidia-driver-12.1

3. **安装cuDNN**:
CUDA 12.1通常包含cuDNN，但如果需要单独安装，可以从NVIDIA官网下载cuDNN对应的版本，解压后将`libcudnn*`文件夹放入 `/usr/local/cuda/lib64`。

4. **安装PyTorch**:
使用conda创建一个新的环境来安装PyTorch和其CUDA支持。由于你要用清华源，你需要替换以下命令中的`--channel`部分为清华大学提供的镜像地址：

   conda create -n torchenv python=3.7 torchvision cudatoolkit=12.1 -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch
   conda activate torchenv
   conda install pytorch torchvision torchaudio -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch

5. **验证安装**:
安装完成后，可以运行以下代码测试PyTorch是否正常工作以及GPU支持：

   import torch
   print(torch.cuda.is_available())  # 如果是True，则表示PyTorch成功识别到了GPU