PyTorch 1.10.0 Python 3.8 Cuda 11.3这些配置怎么配置

在PyTorch 1.10.0版本中，要搭配Python 3.8和CUDA 11.3进行深度学习开发，你需要按照以下步骤进行配置：

1. **安装Python**: 首先确保已经安装了Python 3.8。你可以从Python官网下载对应版本并按照指示安装。

2. **检查Python环境**:
- 打开终端（Windows用户可以打开命令提示符），输入 `python --version` 检查Python是否安装并且是3.8版本。
- 如果需要创建新的虚拟环境（推荐做法），可以用 `conda create -n torch_env python=3.8` 创建一个新的名为 "torch_env" 的虚拟环境，然后激活它 `conda activate torch_env`。

3. **安装PyTorch**:
- 使用pip安装PyTorch及其 CUDA 版本，命令如下（假设你是Ubuntu/Mac系统）:

     pip install torch torchvision torchaudio -f https://download.pytorch.org/whl/torch_stable.html --extra-index-url https://download.pytorch.org/whl/cu113/

- 或者，如果你使用anaconda环境，可以使用`conda install pytorch torchvision cudatoolkit=11.3 -c pytorch`。

4. **检查CUDA和cuDNN**:
- 运行 `nvcc --version` 确保CUDA 11.3已安装。
- 查看当前可用的cuDNN版本：`cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 1`

5. **设置环境变量**:
- 设置CUDA和PyTorch的路径到环境变量中，例如在Linux上添加：

     export PATH=/usr/local/cuda/bin:$PATH
     export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH

6. **测试配置**:
- 最后，运行一些简单的PyTorch代码片段如 `import torch; print(torch.cuda.is_available())` 来确认GPU支持以及是否正确安装了PyTorch。