# Windows 命令行查看顯卡信息
nvidia-smi

# 查看已安裝的 CUDA 版本
nvcc -V

# 創(chuàng)建新環(huán)境
conda create -n pytorch python=3.11
conda activate pytorch
# CUDA 11.8 版本
conda install pytorch==2.2.2 torchvision==0.17.2 torchaudio==2.2.2 pytorch-cuda=11.8 -c pytorch -c nvidia
# CUDA 12.1 版本
conda install pytorch==2.2.2 torchvision==0.17.2 torchaudio==2.2.2 pytorch-cuda=12.1 -c pytorch -c nvidia
# CUDA 12.6 版本
conda install pytorch torchvision torchaudio pytorch-cuda=12.6 -c pytorch -c nvidia

# CUDA 11.8
pip install torch==2.2.2 torchvision==0.17.2 torchaudio==2.2.2 --index-url https://download.pytorch.org/whl/cu118
# CUDA 12.1
pip install torch==2.2.2 torchvision==0.17.2 torchaudio==2.2.2 --index-url https://download.pytorch.org/whl/cu121
# CUDA 12.6
pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu126
# CPU 版本（無顯卡）
pip install torch==2.2.2 torchvision==0.17.2 torchaudio==2.2.2 --index-url https://download.pytorch.org/whl/cpu

# 清華鏡像源
pip install torch==2.2.2 torchvision==0.17.2 torchaudio==2.2.2 -i https://pypi.tuna.tsinghua.edu.cn/simple
# 安裝常用依賴
pip install facenet-pytorch -i https://pypi.tuna.tsinghua.edu.cn/simple
pip install matplotlib -i https://pypi.tuna.tsinghua.edu.cn/simple
pip install numpy==1.26.4 -i https://pypi.tuna.tsinghua.edu.cn/simple
# 安裝 dlib（需要 conda）
conda install -c conda-forge dlib
# 安裝 face-recognition
pip install face-recognition -i https://pypi.tuna.tsinghua.edu.cn/simple

# 搜索可用版本
conda search pytorch -c pytorch
conda search pytorch-cuda -c pytorch -c nvidia
# 查看通道配置
conda config --show
# 添加通道
conda config --add channels 通道地址
# 刪除環(huán)境
conda remove --name 環(huán)境名稱 --all
conda remove --prefix 路徑 --all
# 卸載包
pip uninstall torch torchvision torchaudio
# 查看已安裝包
conda list

# 命令行驗(yàn)證
python -c "import torch; print(torch.__version__)"
python -c "import torch; print(torch.cuda.is_available())"

import torch

print(f"PyTorch 版本：{torch.__version__}")
print(f"CUDA 可用：{torch.cuda.is_available()}")

if torch.cuda.is_available():
    print(f"CUDA 版本：{torch.version.cuda}")
    print(f"GPU 數(shù)量：{torch.cuda.device_count()}")
    print(f"當(dāng)前 GPU：{torch.cuda.get_device_name(0)}")

import torch

# 創(chuàng)建隨機(jī)張量
x = torch.rand(5, 3)
print(x)
print(f"設(shè)備：{x.device}")

import torch
import torch.nn as nn

# 檢查 CUDA 是否可用
if torch.cuda.is_available():
    device = torch.device("cuda")
    print("? 運(yùn)行在 GPU 上")
else:
    device = torch.device("cpu")
    print("? 運(yùn)行在 CPU 上")

# 創(chuàng)建模型并移動(dòng)到設(shè)備
model = nn.Linear(10, 5).to(device)

# 創(chuàng)建輸入數(shù)據(jù)
x = torch.randn(3, 10).to(device)

# 執(zhí)行前向傳播
output = model(x)

print(f"輸出設(shè)備：{output.device}")
print(f"輸出形狀：{output.shape}")
print(f"輸出值：\n{output}")

# ? 錯(cuò)誤寫法
device = torch.accelerator.current_accelerator().type if torch.accelerator.is_available() else "cpu"
# ? 正確寫法 1
device = "cuda" if torch.cuda.is_available() else "cpu"
# ? 正確寫法 2
device = torch.device("cuda" if torch.cuda.is_available() else "cpu")
print(device)  # 輸出：cuda:0 或 cpu

# 使用清華鏡像
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple 包名
# 使用阿里鏡像
pip install -i https://mirrors.aliyun.com/pypi/simple/ 包名
# 配置永久鏡像源
pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple

# 先安裝 CMake
conda install -c conda-forge cmake
# 再安裝 dlib
conda install -c conda-forge dlib
# 最后安裝 face-recognition
pip install face-recognition

# 完全卸載
pip uninstall torch torchvision torchaudio
# 清理緩存
pip cache purge
# 重新創(chuàng)建環(huán)境
conda remove --name pytorch --all
conda create -n pytorch python=3.11
conda activate pytorch

# 1. 張量操作
import torch
x = torch.tensor([1, 2, 3])
y = torch.tensor([4, 5, 6])
print(x + y)  # 張量加法
# 2. 自動(dòng)求導(dǎo)
x = torch.tensor([2.0], requires_grad=True)
y = x ** 2
y.backward()
print(x.grad)  # 輸出：4.0
# 3. 神經(jīng)網(wǎng)絡(luò)
import torch.nn as nn
class Net(nn.Module):
    def __init__(self):
        super().__init__()
        self.fc1 = nn.Linear(10, 5)
        self.fc2 = nn.Linear(5, 2)
    def forward(self, x):
        x = torch.relu(self.fc1(x))
        x = self.fc2(x)
        return x
model = Net()
print(model)