一、 背景介绍

因为深厚度学的飞迅速进步，越来越许多的研究研究人员和开发者开头用PyTorch进行模型训练和推理。PyTorch是一个开源的深厚度学框架，支持CPU和GPU加速。只是要实现GPU加速，需要正确配置Ubuntu系统，包括安装CUDA Toolkit和CUDNN。

二、 CUDA和CUDNN的安装

CUDA Toolkit是NVIDIA推出的并行计算平台和编程模型，用于开发支持CUDA的GPU应用程序。CUDNN是NVIDIA推出的深厚度神经网络库，用于加速深厚度学模型的训练和推理。

步骤	说明
1	下载CUDA Toolkit：https://developer.nvidia.com/cuda-downloads
2	下载CUDNN：https://developer.nvidia.com/cudnn
3	安装CUDA Toolkit：解压下载的文件，并施行安装脚本。
4	安装CUDNN：将下载的文件解压到CUDA Toolkit的相应目录下。

三、 PyTorch的配置

安装CUDA Toolkit和CUDNN后需要配置PyTorch周围，使其支持GPU加速。

1. 创建Conda周围

Conda是一种开源的包管理和周围管理工具，能方便地创建和管理Python周围。

conda create -n pytorch_env python=3.8
conda activate pytorch_env

2. 安装PyTorch GPU版本

根据你的CUDA Toolkit版本，选择合适的PyTorch GPU版本。

pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121 -i https://pypi.tuna.tsinghua.edu.cn/simple

conda install pytorch torchvision torchaudio cudatoolkit=12.1 -c pytorch

3. 验证PyTorch GPU支持

在Python周围中运行以下代码，检查是不是支持GPU加速。

import torch
print)

通过以上步骤，你能在Ubuntu上成功配置PyTorch以用GPU加速。这样，你就能在PyTorch中进行巨大规模的深厚度学模型训练和推理了。

---