目录

一、conda 创建、激活、退出、删除虚拟环境

1、conda 本地环境常用操作

#获取版本号
conda –version 或 conda -V
 
#检查更新当前conda
conda update conda
 
#查看当前存在哪些虚拟环境
conda env list 或 conda info -e
 
#查看–安装–更新–删除包
conda list：
conda search package_name# 查询包
conda install package_name
conda install package_name=1.5.0
conda update package_name
conda remove package_name

2、conda创建虚拟环境

conda create –name your_env        #创建名为your_env的环境
conda create –name your_env python=2.7     #创建制定python版本的环境
conda create –name your_env python=3.9     #创建制定python版本的环境

#创建包含某些包（如numpy，scipy）的环境
conda create –name your_env numpy scipy
#创建指定python版本下包含某些包的环境
conda create –name your_env python=3.6 numpy scipy

3、激活虚拟环境

使用如下命令即可激活创建的虚拟环境
#Linux
conda activate your_env
 
#Windows
activate your_env

4、退出虚拟环境

使用如下命令即可退出创建的虚拟环境
#Linux
conda deactivate your_env
 
#Windows
deactivate your_env

5、删除和复制虚拟环境

删除某个环境
conda remove -n your_env –all
或
conda remove –name your_env –all
 
例如:  conda remove –name lxa123 –all  这里 lxa123是环境名字
 
复制某个环境
conda create –name new_env –clone old_env

6、在指定环境中管理包

conda list -n your_env
conda install –name myenv package_name
conda remove –name myenv package_name

二、安装tensorflow和pytorch

注意：我先利用

 conda install tensorflow-gpu=2.1.0 cudatoolkit=10.1 cudnn=7.6

安装的tensorflow-gpu，再根据现有环境安装对应的pytorch和torchvision；

gpu：

tensorflow-gpu版本对应关系：http://t.csdn.cn/roUOB

1、torch和torchvision版本对应关系

错误分析：
安装pytorch或torchvision时，无法找到对应版本
cuda可以找到，但是无法转为.cuda()

以上两种或类似错误，一般由两个原因可供分析：
cuda版本不合适，重新安装cuda和cudnn
pytorch和torchvision版本没对应上

安装torch和torchvision时，两个包都有版本对应关系

2、conda方法安装

在miniconda3安装tensorflow和pytorch

#安装GPU版本的tensorflow，并指定tensorflow的版本号
conda install tensorflow-gpu==1.14   
 
#安装cpu版本的 tensorflow，并指定tensorflow的版本号
conda install tensorflow==1.14
 
# 安装pytorch (GPU版本)
conda install pytorch torchvision cudatoolkit=10.1 -c pytorch

conda install pytorch==1.8.0 torchvision==0.9.0 torchaudio==0.8.0 cudatoolkit=10.2 -c pytorch

# torchaudio 支持以 wav 和 mp3 格式加载声音文件。 我们称波形为原始音频信号。
 
# 安装 torch (CPU版本)
conda install pytorch torchvision cpuonly -c pytorch

3、源码安装torch和torchvision

下载网址：https://download.pytorch.org/whl/torch_stable.html

找到对应的版本下载，torch和torchvision的对应关系如下：GitHub – pytorch/vision: Datasets, Transforms and Models specific to Computer Vision

pip install torch-1.xx.0-cp38-cp38m-linux_x86_64.whl
pip install torchvision-0.xx.0-xxx.xxx-xxx-xxx.whl

验证安装是否成功：

import torch
torch.cuda.is_available()  ## 输出应该是True

t=torch.nn.Linear(3,3)
t.to("cuda:0")

input=torch.randn((3,3)).requires_grad_().to("cuda:0")
output=t(input)

loss=torch.sum(output)
torch.autograd.grad(loss,input,retain_graph=True)  ## 输出应该是一个gpu上的梯度矩阵
loss.backward()

上述代码输出正常，并且没有报错说明可以使用GPU推理反传梯度.

至此GPU版本的pytorch安装成功

1.在Ubuntu系统中搭建gpu版pytorch环境( https://blog.csdn.net/YChao99/article/details/108080621)
2. 五步解决torch.cuda.is_available()返回False的问题(https://blog.csdn.net/Flora_Olivia/article/details/104486548)
3. 验证pytorch是否为GPU版本(https://blog.csdn.net/weixin_43301333/article/details/121550257)