深度学习环境 GPU 版 pytorch

可以使用以下步骤来搭建深度学习环境 GPU 版 PyTorch：

1. 安装 CUDA 和 cuDNN（如果已经安装可以跳过此步骤）：这是使用 GPU 运行深度学习任务的必要条件。可以到 NVIDIA 的官网上下载对应版本的 CUDA 和 cuDNN，然后按照官方文档进行安装。

2. 安装 Anaconda：Anaconda 是一个包含了 Python 和常用数据科学包的发行版，可以方便地管理 Python 环境和包依赖。可以到 Anaconda 的官网上下载对应版本的 Anaconda，然后按照官方文档进行安装。

3. 创建 Anaconda 环境：可以使用以下命令创建一个名为 pytorch 的环境，并指定 Python 版本和 PyTorch 版本：

   conda create -n pytorch python=3.7
   conda activate pytorch
   conda install pytorch torchvision cudatoolkit=10.1 -c pytorch

上述命令将创建一个名为 pytorch 的环境，并安装 PyTorch 1.5 版本和对应的 torchvision 包，使用的 CUDA 版本为 10.1。

4. 测试环境是否搭建成功：可以使用以下代码测试环境是否能够使用 GPU 运行 PyTorch：

   import torch
   print(torch.cuda.is_available())

如果输出为 True，则说明环境搭建成功，并且可以使用 GPU 运行 PyTorch。

希望以上步骤可以帮助你成功搭建深度学习环境 GPU 版 PyTorch。