首先需要說明一下，我想安裝的是Pytorch GPU版，所以需要安裝CUDA toolkit 以及CUDnn，若您無需GPU版本 則無需安裝這兩個。

一、MiniConda安裝、介紹

1.1 Conda是什么？

Conda其實就是一個包或則稱之為庫的管理工具，類似于安裝python自帶的pip管理工具，其實我感覺它并沒有pip好用，但是有一點還是挺好用的，就是Conda刪除某個庫時 可以級聯(lián)刪除它所依賴的而其他庫所不依賴的庫，pip我太清楚能不能實現(xiàn)。

1.2 MiniConda是什么？

MiniConda 與 Anaconda都是包含了Conda 而且他們有一個巨強大的功能——產(chǎn)生虛擬環(huán)境，如果您熟悉Docker的話 應(yīng)該會很了解。您可以使用它創(chuàng)建出不同的虛擬環(huán)境，每個環(huán)境類似于沙盒，你可以在里面裝一個任意版本的python 3.6 3.7 3.8。。。。。。 安裝各種版本的庫 而不會與其他環(huán)境干擾 也不會與全局環(huán)境的python干擾。

MiniConda與Anaconda沒啥區(qū)別 就是Anaconda會自帶很多庫 我本人不建議裝Anaconda 因為它會幫你下載很多庫 而且這些庫是從國外源下載的 會很慢。。 還有MiniConda沒有圖形界面 而Anaconda是有的 這個其實感覺用處也不大。

1.3 安裝方法

這個很簡單 直接去官網(wǎng)或者清華源去下載就可以了 鏈接放在下面

官網(wǎng)
清華源

1.4 Conda常用命令

• 創(chuàng)建虛擬環(huán)境：conda create --name <env_name> [packages] ，其中env_name為環(huán)境名， packages為創(chuàng)建環(huán)境順帶你想裝的庫。
• 刪除虛擬環(huán)境：conda remove --name <env_name> [packages]
• 查看所有虛擬環(huán)境：conda envs list 或者 conda info --envs
• 激活指定虛擬環(huán)境：activate <env_name>
• 查看指定虛擬環(huán)境所有庫：激活環(huán)境后使用conda list 注：conda的查看的庫包括用pip所安裝庫 但是用pip安裝的庫conda不能進行管理 而pip list只能查看用pip安裝的庫
• 安裝與刪除庫：conda install [packages] 與conda remove [packages] 可以指定版本號 一個等號表示大于等于該版本號的一個庫 而雙等于表示準確版本號 找不到會報錯。
• 查看conda鏡像源：conda config --show channels
• 新增鏡像源: conda config --add channels 鏈接 刪除對應(yīng)remove
• Conda清除緩存：conda clean --all 當你安裝一些包意外中斷時 這些文件將會被存放在緩存中，當你再次下載時 它會接著下載 當然 你也可以使用命令清除緩存。
• 清空鏡像源：conda config --remove-key channels 有時我們創(chuàng)建環(huán)境會卡在Solving environment 這時，使用該命令往往可以解決

1.4.1 如何導(dǎo)出庫列表

• 方法一：
  conda導(dǎo)出已有環(huán)境：
  conda env export > environment.yaml

  環(huán)境會被保存在 environment.yaml文件中。當我們想再次創(chuàng)建該環(huán)境，或根據(jù)別人提供的.yaml文件復(fù)現(xiàn)環(huán)境時，可以：

  conda env create -f environment.yaml

  就可以復(fù)現(xiàn)安裝環(huán)境。移植過來的環(huán)境只是安裝了你原來環(huán)境里用conda install等命令直接安裝的包，你用pip之類裝的東西沒有移植過來，需要你重新安裝。

  pip導(dǎo)出安裝的庫到requirements.txt

  pip freeze > requirements.txt

  pip導(dǎo)入requirements.txt中列出的庫到系統(tǒng)

  pip install -r requirements.txt

• 方法二：
  利用 conda-pack 命令直接對環(huán)境進行打包，好處是打包之后得到是包文件可以直接復(fù)制到其他電腦后解壓使用，不需要重新聯(lián)網(wǎng)下載包了。具體步驟：

  安裝conda-pack包：conda install -c conda-forge conda-pack 或者 pip install conda-pack。

  使用 conda pack 命令開始打包環(huán)境（盡量在待打包的環(huán)境之外的環(huán)境運行）：conda pack -n <my_env> 這個命令會將my_env環(huán)境打包生成一個my_env.tar.gz 的壓縮文件，保存在當前路徑下。

  復(fù)制打包的壓縮文件到新的電腦上，并解壓到 anaconda的env目錄下（如~/anaconda3/envs）：先在env目錄中用打包環(huán)境的名字創(chuàng)建一個文件夾如 mkdir my_env， 然后將壓縮包解壓到這個目錄 tar -xzvf my_env -C ~/anaconda3/envs/my_env
  查看遷移環(huán)境是否存在：conda info -e

1.5 雜項

使用conda安裝庫時 界面介紹：

VS Code切換環(huán)境

二、CUDA 以及 CUDnn

如果你想要安裝GPU版本的Pytorch，那么你需要安裝這兩個。

• CUDA: CUDA是一種由NVIDIA公司開發(fā)的并行計算平臺和編程模型，它允許開發(fā)人員將復(fù)雜的計算任務(wù)分解成更小的、可并行計算的子任務(wù)，然后利用GPU的并行處理能力進行高效加速。CUDA包括一個運行時API、一個基于C++的編程模型和一套開發(fā)工具，支持在NVIDIA的GPU上進行并行計算，可以用于各種領(lǐng)域的高性能計算、科學(xué)計算和數(shù)據(jù)分析。CUDA已經(jīng)成為GPU計算領(lǐng)域的主流技術(shù)之一，并在許多領(lǐng)域取得了廣泛應(yīng)用。
• CUDnn: CUDNN是NVIDIA推出的面向深度神經(jīng)網(wǎng)絡(luò)（DNN）的GPU加速庫，它是CUDA Toolkit的組成部分之一。CUDNN通過優(yōu)化CNN、RNN和LSTM等深度學(xué)習(xí)計算的實現(xiàn)，使其在NVIDIA GPU上的運行速度得到了顯著提升。

具體安裝可參考這篇點我

三、Pytorch安裝

若你只想裝cpu版的 那就so easy了
conda install pytorch torchvision torchaudio cpuonly -c pytorch
其中torchvision torchaudio是選裝的 -c pytorch意思是重pytorch官網(wǎng)的源進行下載 如果你配了其他鏡像源 可以去掉這個

GPU版本安裝 有點坑
一開始我是在pytorch官網(wǎng)找我對應(yīng)CUDA版本的GPU版pytorch安裝命令 結(jié)果發(fā)現(xiàn)死活安裝不上去 一直顯示在solving environment。。

沒辦法 后來在一個CSDN帖子上看到用pip手動安裝可以。 果然pip還是你大爺啊 鏈接在這https://blog.csdn.net/styrstyr/article/details/128488753?spm=1001.2014.3001.5506

首先去官網(wǎng)下載對應(yīng)版本的pytorch 以及 torchvision(ps:我是搞視覺方向的)

然后用pip手動安裝：

1. 激活對應(yīng)的虛擬環(huán)境–無需虛擬環(huán)境可不需要
2. 輸入命令pip install 完整路徑名

最后檢驗是否安裝成功：

總結(jié)

裝這個環(huán)境還是挺坑了 廢了我一兩天吧 但是總算裝好了 作個記錄 也希望能對別人有些幫助。文章來源地址http://www.zghlxwxcb.cn/news/detail-462269.html

到了這里，關(guān)于MiniConda、CUDA、CUDnn以及pytorch環(huán)境的配置以及坑的文章就介紹完了。如果您還想了解更多內(nèi)容，請在右上角搜索TOY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章，希望大家以后多多支持TOY模板網(wǎng)！