如题所述，为了搭建在Linux下的基于GPU版pytorch的Stable-Baselines3，花费了很大的经历。特此记录。

基本环境

Ubuntu 18.04
Python3.7
RTX3080

---

安装Stable-Baselines3步骤

通过Anaconda创建环境。

# 先创建一个环境
conda create -n env_name python=3.7

# 激活环境
conda activate env_name 

# 安装cudatoolkit
conda install cudatoolkit=11.3

# 安装tensorboard，可省略，看是否需要
pip install tensorboard

# 安装pytorch，cudatoolkit与上述对应
conda install pytorch cudatoolkit=11.3 -c pytorch
# 但是安装完毕发现是CPU版本的，但是也先进行安装即可
# 解决方法见下文

# 最后安装stable-baselines3
pip install stable-baselines3

---

PyTorch官方安装指引

参照地址：
PyTorch官网说明

---

Q：pytorch按照官方说明安装的却是CPU版本的

同时使用的镜像是清华镜像。

安装提示给的是CPU版本的：
在安装的前提下，进行更换为GPU版本的。

参考方法：这个博客

第1步
到清华的镜像地址：https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/

第2步
第3步
CPU版本的是1.10.2的，所以下载的也是GPU版的1.10.2
第4步
其他两个包同理，我下载的依次是：

第5步
将其拷贝到一个目录下，然后进行安装：

conda install --offline xxxxx[这三个包的具体名字]
conda install --offline xxxx[这三个包的具体名字]
conda install --offline xxx[这三个包的具体名字]

第6步
最终，安装到了GPU版本的pytorch，如图：

---

安装检验

import torch

# 用此方法检查，有效。
torch.zeros(1).cuda()

# 用下面这种方法，不一定能检测出正确，因为可能出现如下错误：
# GeForce RTX 3080 with CUDA capability sm_86 is not compatible with the current PyTorch installation. The current PyTorch install supports CUDA capabilities sm_37 sm_50 sm_60 sm_61 sm_70 sm_75 compute_37.
print(torch.device("cuda:0" if torch.cuda.is_available() else "cpu"))