目标
配环境
tips
建议不要动base的环境，去conda配虚拟环境
不然真的是牵一发而动全身
核心思路
-
先看你的显卡信息
nvidia-smi
可以看到你的显卡支持最高的cuda版本，比如
- 去装对应版本的cuda
不要去这个页面 developer.nvidia.com/cuda-downlo…
去归档页面，developer.nvidia.com/cuda-toolki…
选择对应的版本，开始安装
这三种方式都可以
我之前这里还是有很多坑的，后面整理了再发出来
比如11.8装好了之后，nvcc --version还是10.1的
这里解决方法：
whereis nvcc
sudo ln -s /usr/local/cuda-11.8/bin/nvcc /usr/local/bin/nvcc
export PATH=/usr/local/cuda-11.8/bin:$PATH
source ~/.bashrc
ps：bug的解决方法不要盲目相信gpt3.5，相信stackflow
- 去装对应版本的pytorch
上面都写明了cuda某个版本对应的pytorch
总结
环境的要义：
要有显卡，==> nvidia-smi
要装显卡对应的cuda，==> nvcc --verison
要装cuda对应的pytorch
当然可以直接使用docker免去环境的困扰
解释
就是我的服务器上本来有10.1，为什么我要装11.8
因为微软那个tts服务跑起来说版本太低了
然后为什么我说不要动base
因为我当时服务器上base是10.1，但其实有12.0的conda环境
同事没有告诉我，所以不建议动base
