取材于b站视频
一些常用的Conda命令
首先你的电脑上应该有anaconda,打开anaconda终端
anaconda的好处就是能够配置多个虚拟环境,方便管理与使用环境与包
conda env list 显示所有的环境
conda activate ***
使用***的环境
conda list
显示该环境下的包
conda install matplotlib==3.4.2
下载指定版本的包,例如3.4.2版本的matplotlib
conda search matplotlib
搜索该包的所有版本,例如搜索matplotlib的所有版本
查看镜像通道有哪些版本的包
conda search pytorch -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/win-64/
查看镜像通道找特点版本的包
conda search pytorch=1.8 -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/win-64/
conda create -n nb --clone pytorch
conda环境复制,将pytorch环境复制到一个新创建的环境nb
conda remove -n your_env_name --all
conda删除环境,例如删除nb环境
发现没有nb环境了
pycharm
新建项目,选择之前配置好的环境
带envs的就是我们之前自己创建的
已有项目修改环境在这里
如果默认Terminal可以打开自己设置的环境那么就不用进行下面操作
连续打开文件位置，找到cmd.exe的地址
pycharm在setting中搜索Terminal，更改地址为刚才找到的cmd.exe地址
关于Cuda与gpu
Cuda runtime version <= Cuda driver version
任务管理器查看gpu（我的服务器是3090的）
深度学习中各个软件的关系
GPU版本配置环境
安装anaconda
先准备好Anaconda，如果想下载历史版本的anaconda，可以点击这个链接,安装路径最好是全英文
创建虚拟环境
创建虚拟环境并且添加镜像加速下载
conda create -n 虚拟环境 python=版本 -c 镜像地址
https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/win-64/
https://mirrors.bfsu.edu.cn/anaconda/cloud/pytorch/win-64/
http://mirrors.aliyun.com/anaconda/cloud/pytorch/win-64/
https://mirror.nju.edu.cn/pub/anaconda/cloud/pytorch/win-64/
删除虚拟环境
conda remove -n 虚拟环境名字 --all
GPU 与CUDA准备工作
第一步确定显卡型号
第二步确定显卡算力 链接 例如：我的轻薄本的独显是MX450，所以我的算力是7.5
例如我的服务器的显卡是3090，所以服务器算力是8.6
确定CUDA Runtime
我们看自己的轻薄本驱动CUDA Driver Version - 11.4
nvidia-smi
最终确定我轻薄本适用CUDA 10 11-11.4
最后打开pytorch官网确定Cuda Runtime版本（要求小于等于Cuda Driver版本）
我最终选择Cuda Runtime 11.3（选择10.2也是可以的）
Conda的通道与镜像地址
查看配置文件
conda config --show
conda config --get
我们在国内下载这些包慢的原因是我们这个配置文件当中它只有一个通道，而且它这个通道在国外，所以我们下载很慢，我们可以采用之前提到的镜像加速的形式 -c 镜像地址。我们也可以采用持久化添加通道的形式，例如添加一个阿里云镜像通道，这样我们就有两个通道了，一个是阿里云通道，另一个默认镜像通道（优先级最低），因此当存在这两个通道时下载包是会优先选择新添加的通道也就是阿里云通道，在这个通道找不到该包，再在默认通道找。
https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/mainhttps://mirrors.bfsu.edu.cn/anaconda/pkgs/mainhttp://mirrors.aliyun.com/anaconda/pkgs/main
持久添加通道
conda config --add channels 通道地址 删除通道
conda config --remove channels 通道地址
判断CUDA Runtime版本
安装显卡驱动最新版本，网址 拿1060 6GB台式机举例：
下载安装一顿默认
最后nvidia-smi来确定cuda driver版本（11.6）
打开pytorch官网确定cuda runtime版本，选择最新的11.3（<=11.6）
安装GPU版本的pytorch
从官网采用命令行下载
conda install pytorch torchvision torchaudio cudatoolkit=11.3 -c pytorch 不用再单独下载cudnn了，pytorch里已经集成了cudnn
添加镜像源，加速下载速度
conda install pytorch torchvision torchaudio -c 镜像地址
conda install cudatoolkit=版本 -c 镜像地址
镜像地址：
https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/win-64/https://mirrors.bfsu.edu.cn/anaconda/cloud/pytorch/win-64/
http://mirrors.aliyun.com/anaconda/cloud/pytorch/win-64/
https://mirror.nju.edu.cn/pub/anaconda/cloud/pytorch/win-64/
https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
https://mirrors.bfsu.edu.cn/anaconda/pkgs/main
http://mirrors.aliyun.com/anaconda/pkgs/main
如果上面的方式还是下载失败，那么可以尝试下面这个方式：
pip3 install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu113
pip只需要安装这个三个包torch torchvision torchaudio就行了
命令行方式下载速度还是很慢，我们可以采用迅雷下载也就是本地安装
下载地址红色框框
迅雷下载完成
pip install 直接把文件拖过来就直接显示文件路径了
这只是安装完了torch，还有 torchvision torchaudio没有安装
pip3 install torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu113
验证pytorch是否安装成功
conda list
torch.cuda.is_available()
