关于pytorch一些基础知识的备份

压缩conda环境用于备份目的实际上没有意义，因为还有其他方法可以做到这一点，这可能更合适，并使用专为此而设计的内置功能。

您可以创建一个环境.txt版本conda，详细说明其中的每个模块和版本，然后可用于在未来重新创建EXACT环境。

# Create list of the environment

conda list --explicit environment_backup.txt

# Use the newly created text file to recreate the environment

conda create --name my_env_name --file environment_backup.txt

>>> import torch
>>> torch.cuda.is_available()
若返回为True，则使用的是GPU版本的torch，若为False，则为CPU版本

>>> import torch
>>> print(torch.cuda.get_device_name(0))
返回的GPU型号为你使用的GPU型号

直接查看GPU型号的方法
打开终端在终端中输入如下命令：

nvidia-smi
1
4 查看cuda版本的方法
nvcc -V
1
5 持续查看GPU的占有率
watch命令的作用：周期性执行某一命令，并将输出显示到终端
-n参数：每隔几秒更新一次，设为1可以几乎实时查看
————————————————
版权声明：本文为CSDN博主「亦岚君」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。

(3.9.7) xiaxinkai@tuf:~$ python
Python 3.9.7 (default, Sep 16 2021, 13:09:58)
[GCC 7.5.0] :: Anaconda, Inc. on linux
Type "help", "copyright", "credits" or "license" for more information.
>>> import torch
>>> print(torch.cuda.is_available())
True
>>> exit()
(3.9.7) xiaxinkai@tuf:~$

巴特西

关于pytorch一些基础知识的备份

最新文章

热门文章