#20 Mac使用GPU

mac m芯片可以使用GPU计算的，只需要重新安装 miniconda 和 gpu 版本的 Torch 就好，步骤：

• 从 官网 下载 3.9 版本的 miniconda，然后运行：

  # execute the following at the download location:
  sh Miniconda3-py39_23.1.0-1-MacOSX-arm64.sh -b
  

• 初始化 miniconda：

  # initiate the shell
  conda actiavte ~/miniconda3
  

  或者（二选一）：

  ~/miniconda3/bin/conda init
  

• 创建虚拟环境

  conda create --name d2l python=3.9 -y
  

• 激活虚拟环境

  conda actiavte d2l
  

• 下载 torch-gpu 版本（选）

  考虑到后续可能需要 gpu 加速训练，因此此处直接下载 torch-gpu 版本。

  pip install --pre torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/nightly/cpu
  

  Note：检查是否安装成功，首先在命令行输入 python 进入 python 编程环境，然后输入

  >>> import torch  
  >>> print(torch.backends.mps.is_available())
  
  True
  

  若输出结果为 Ture，则表明安装成功。

• 下载 ipykernel
  考虑到书中给的代码运行环境是 jupyter，应该此处安装 ipykernel，以确保 jupyter-notebook 中可以使用刚刚安装的 d2l 虚拟环境的内核。

  pip install ipykernel
  
  python -m ipykernel install --user --name ENVNAME --display-name DISP_NAME
  

  Note：ENVNAME 和 DISP-NAME 分别为虚拟环境的名字
  （此处为 d2l）和想要显示的名字。为了简便，此处将两个字段都设置为 d2l。

原本的Jupyter notebook已经安装和配置好pytorch环境，现需重新安装miniconda 和 gpu 版本的 Torch，

1.请问是不需要进行卸载anaconda等操作、直接从步骤1开始操作吗？anaconda和miniconda会不会冲突
2.原来的Jupyter notebook会被直接覆盖吗？安装完miniconda和gpu版本的Torch之后，再打开Jupyter notebook，那么区别于torch环境的其他环境还能使用吗？之前安装过keras和pygmt环境。
3.配置好Mac GPU之后，电脑本地的计算资源或者算力足够运行多大数据集呢？本地Jupyter Notebook，或者通过colab使用线上算力，哪种更推荐呢？

谢谢～

1. 不会冲突，miniconda 相当于是另一个conda环境，一般而言网上给出的建议都是基于miniconda来安装gpu。我电脑上安装了anaconda和miniconda，暂时未冲突。如果怕冲突，可以直接试试从创建虚拟环境开始后续步骤，如果未安装成功，删除该虚拟环境再从头开始。
   2.1 不会覆盖，miniconda 个人认为可以理解为 conda 的另一个虚拟环境，每次使用时需要先激活minicnoda环境，即上面提到的 conda actiavte ~/miniconda3，然后再激活你在 miniconda 中安装的虚拟环境。
   2.2 安装完miniconda和gpu版本的Torch之后，再打开Jupyter notebook，默认还是进入原始的内核 kernel，是不会直接进入虚拟环境的。这时候需要使用最后一步安装 ipykernel 将该创建的虚拟环境转为 kernel，然后在 jupyter notebook 中选择基于该虚拟环境的内核就好。其他虚拟环境类似操作。
2. 电脑本地的计算资源可能跟电脑配置有关，可能看实际的数据大小，如果是大规模数据集的话，肯定优先选择云端跑，小数据的话，本地跑更方便。