深度学习安装环境笔记

1、输出cuda版本
torch.version.cuda 返回的是 PyTorch 在编译时所使用的 CUDA 版本，而不是运行时实际调用的 CUDA 版本。PyTorch 在运行时实际调用的 CUDA 版本取决于系统上安装的 CUDA 驱动和库。

import torch
from torch.utils.cpp_extension import CUDA_HOME# 输出 预编译时cuda 版本
print(torch.version.cuda)# 输出 PyTorch 版本
print("PyTorch version:", torch.__version__)# 输出 CUDA_HOME 变量，真正使用的版本
print("CUDA_HOME:", CUDA_HOME)

2、查看pytorch和cuda关系：
https://pytorch.org/get-started/previous-versions/

3、显卡、显卡驱动、cuda、cuDNN之间关系：
https://blog.csdn.net/ergevv/article/details/140328687

4、ubuntu安装虚拟环境：

# 添加 PPA（个人软件包档案）
sudo add-apt-repository ppa:deadsnakes/ppa# 更新包列表
sudo apt update# 安装 Python 3.10
sudo apt install python3.10# 安装 pip (可选)
sudo apt install python3.10-distutils
curl -sS https://bootstrap.pypa.io/get-pip.py | sudo python3.10# 创建和管理 Python 虚拟环境所需的工具和库
sudo apt-get install python3.10-dev python3.10-venv

1. sudo apt install python3.10-distutils
这条命令的作用是从官方软件仓库中安装 python3.10-distutils 包。distutils 是一个用来构建和安装 Python 模块的标准工具集。它通常被用来打包和发布 Python 库。在一些较新的 Python 安装中，distutils 可能没有默认安装，而一些工具（包括 pip）在安装过程中可能会依赖于 distutils 中的功能。因此，安装这个包可以确保你的 Python 安装中有这些必要的工具。2. curl -sS https://bootstrap.pypa.io/get-pip.py | sudo python3.10
这条命令实际上是两条命令的组合，使用管道符 | 将它们连接起来。它的工作流程如下：curl -sS https://bootstrap.pypa.io/get-pip.py：这部分命令使用 curl 工具从互联网下载 get-pip.py 脚本。-s 参数让 curl 在下载时不显示进度条等输出信息，而 -S 参数则确保即使开启了 -s 参数，当发生错误时也会显示错误信息。
| sudo python3.10：这部分命令表示将前一部分命令的输出（即下载的 get-pip.py 脚本）作为输入传递给 python3.10 解释器执行。由于命令前面有 sudo，这意味着脚本将以超级用户权限运行，这对于安装全局可用的 Python 包通常是必需的。
整体来说，这条命令的作用是下载并立即运行 get-pip.py 脚本，该脚本会检测当前环境中的 Python 安装，并安装最新版本的 pip（Python 的包管理工具）。这样做可以确保你有一个最新的 pip 版本来管理你的 Python 包。1. python3.10-dev
作用：python3.10-dev 包包含了编译 Python C 扩展模块所需的头文件和静态库。这些文件对于开发和安装使用 C 或 C++ 编写的 Python 扩展模块是必需的。
用途：如果你需要安装某些依赖于 C 扩展的 Python 包，或者你自己编写了需要编译的 C 扩展模块，那么这个包是必需的。
2. python3.10-venv
作用：python3.10-venv 包提供了 venv 模块，该模块用于创建隔离的 Python 虚拟环境。虚拟环境允许你在同一个系统上为不同的项目创建独立的 Python 环境，从而避免包版本冲突等问题。
用途：这个包使得你可以使用 python3.10 -m venv 命令创建新的虚拟环境。虚拟环境中的 Python 解释器和包管理工具（如 pip）都是独立于系统全局环境的。
综合效果
通过安装这两个包，你可以确保：编译支持：你的系统具备编译和安装 C 扩展模块的能力。
虚拟环境支持：你可以创建和管理基于 Python 3.10 的虚拟环境。

5、使用venv创建虚拟环境

# 查找python位置
which python3.10# 使用查到的路径来创建名为splatam的虚拟环境
/usr/bin/python3.10 -m venv splatam# 激活虚拟环境
. splatam/bin/activate# 安装包
pip install -r requirements.txt# 安装本地的库
pip setup.py install

6、使用ubuntu跑深度学习时，cuda正在运行，这时候直接挂机，重启后会报错：UserWarning: CUDA initialization: CUDA unknown error - this may be due to an incorrectly set up environment, e.g. changing env variable CUDA_VISIBLE_DEVICES after program start. Setting the available devices to be zero. (Triggered internally at …/c10/cuda/CUDAFunctions.cpp:109.) return torch._C._cuda_getDeviceCount() > 0

解决方法，挂机前先关掉cuda，或者重启cuda：

sudo apt-get install nvidia-modprobe
sudo rmmod nvidia_uvm
sudo modprobe nvidia_uvm

1. sudo rmmod nvidia_uvm
命令: sudo rmmod nvidia_uvm
功能: 卸载 nvidia_uvm 内核模块。
作用: nvidia_uvm 是 NVIDIA 统一虚拟内存（Unified Virtual Memory, UVM）的内核模块，用于在 CPU 和 GPU 之间共享内存。卸载这个模块可以清除当前的 UVM 状态，有助于解决一些 CUDA 初始化问题。
2. sudo modprobe nvidia_uvm
命令: sudo modprobe nvidia_uvm
功能: 加载 nvidia_uvm 内核模块。
作用: 重新加载 nvidia_uvm 模块，确保 CUDA 环境能够正确初始化 UVM 功能。

7、查询显卡驱动：

nvidia-smi

NVIDIA-SMI 535.183.01 Driver Version: 535.183.01 CUDA Version: 12.2
注意这里的CUDA Version不是指你安装的CUDA版本，而是表明，这个显卡驱动最高可以支持CUDA版本为12.2。

8、实时查看显卡使用率

watch -n 1 nvidia-smi

这个命令会每秒刷新一次nvidia-smi输出，从而提供近乎实时的更新。-n 1 参数表示每隔1秒刷新一次显示。如果想要不同的刷新间隔，可以调整这个数字。

9、vscode调试输入参数：

{"version": "0.2.0","configurations": [{"name": "Python 调试程序: 当前文件","type": "debugpy","request": "launch","program": "${file}","console": "integratedTerminal","args": ["configs/replica/splatam.py"],"env": {"CUDA_VISIBLE_DEVICES": "0"}}]
}