哈哈

安装pytorch

（我创立了一个python3.9的环境叫p3.9g），接下来我们要在该环境中配置pytorch

在pytorch官网中可以找到对应CUDA10.0版本的pytorch安装命令

然后在终端直接输入该命令conda install pytorch==1.2.0 torchvision==0.4.0 cudatoolkit=10.0 -c pytorch就可以。但是你会发现速度极慢，上图！这大概是我等了一个多小时的结果吧。

解决的办法就是直接去官网手动下载包了。注意要下载两个，分别是torch和torchvision。文件名写出了pytorch版本号和python版本号。

pytorch 离线.whl包官方下载地址：

这里顺便解释一下上图中文件的命名规则（自己推测的，如有不对欢迎纠正）。

最前面的’cu113’指的是支持11.3版本的cuda，同理’cu101’就是支持10.3版本的cuda。看到的最低的cuda版本是10.0，低于10.0版本cuda对应的pytorch安装包可能存放在其他地方，或者不提供支持了。如果是’cpu’则说明是cpu版本的包，不适配gpu。
cuda版本号后的’/‘和’%’之间的是包的内容和版本，比如torch-1.10.0就是1.10.0版本的torch，这个很容易理解。
再往后的’2B’没猜出来是什么意思，可能是to B？
紧接着的’cu113’和前面是一个意思，表示支持的cuda版本，’cp3x’则表示支持的Python版本是3.x，如果是由于我安装的是Python 3.9.5，因此我选择的是cp39的包。
最后面的’Linux_x86_64’和’win_amd64’就很简单了，Linux版本就选前一个，Windows版本就选后一个，MacOS的就不知道了，可能也是后一个（不负责任的瞎猜）。

下载到本地后上传至服务器。然后在虚拟环境中进入到存放目录，分别pip install一下就可

nohup

CUDA_VISIBLE_DEVICES=0 nohup python -u main.py>log.txt 2>&1 &

#注意CUDA_VISIBLE_DEVICES在nohup前面