本文旨在记录在实验室服务器上配置pytorch的全过程
预备
使用conda创建虚拟环境
首先使用命令conda env list查看当前存在的环境：
然后使用指定python版本创建虚拟环境，使用conda create -n torchEnv python=3.9，这里的-n为虚拟环境名字参数，这里为pytorchEnv，指定python版本为3.9；安装完成后，再次使用conda env list查看当前存在的环境，其中的*号表示当前的虚拟环境：
激活（切换）虚拟环境
由于收到Window上安装使用pytorch的影响，所以一直在使用activate pytorchEnv命令来激活创建好的虚拟环境，但是一直没有出现任何反应，查询到linux上应该是使用source activate torchEnv来激活，这时候，激活成功后，命令行的用户名前多了（torchEnv）：
开始
调研
问题
进入pytorch官网，一通操作（实际就是进入网站：https://pytorch.org/get-started/locally/），发现需要确定cuda版本：
行，那我直接使用命令nvidia-smi查看一下我的cuda版本，发现我的cuda版本是11.6，然而，torch官网最高只有11.3：
所以，目前遇到的问题就是cuda版本问题。
探索
查看本机已有cuda版本
调研了一下，目前的本机上拥有的cuda版本，参考了博客（链接）：
- 使用了
stat cuda命令，查看当前的cuda命令是链接的哪一个文件，奇怪的是，这里的cuda链接的既不是cuda-11，也不是cuda-11.1，还不是cuda-11.6。
- 通过一系列的探索，发现最后的cuda指向的就是cuda-11.6，这和前面通过命令
nvidia-smi查看到的cuda版本一致：
去官网下载pytorch需要的版本
- 进入官网：nvidia-cuda-toolkit-archive，点击所需版本。
2. 发现需要弄清楚机器的体系架构。通过命令arch来查看，然后使用官网给出的命令对应下载就完事了（当然还需要知道自己的操作系统版本）：
安装cuda结束
安装过程中，如果本机有Driver，就不需要选Driver，只需要勾选对应的toolkit即可。一般来讲，如果自带了高版本cuda，驱动的版本基本能满足低版本cuda所需驱动版本的。
根据上图安装cuda结束的提示，在当前用户目录下的.bashrc文件后加入如下代码：
export PATH=/usr/local/cuda-11.3/bin:$PATH
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda-11.3/lib64
也可以通过命令nvcc -V查看cuda版本：
继续安装pytorch
使用官方给出的命令安装即可，conda安装速度可能有点慢，可以使用镜像源，参考文章：配置镜像源
最后安装完成，进行测试：
结束
安装完成后，才发现，pytorch给出的官方命令中（conda install pytorch torchvision torchaudio cudatoolkit=11.3 -c pytorch），-c参数不需要添加（即去掉-c pytorch），否则配置的镜像源没用。。。
问题
出现了大问题，大致问题就是，我创建的虚拟环境torchEnv中没pytorch，但是，base虚拟环境中装上了、、、好像问题也不大，反正都能用，不过还是没弄清楚哪里出了问题，待解决
创作开始时间：2022-3-1早上
创作结束时间：2022-3-1晚上