pytorch、paddlepaddle等环境搭建深度学习环境搭建常用网址、conda/pip命令行整理 _生活百科

前言：最近研究深度学习，安装了好多环境，记录一下，方便后续查阅。
1. Anaconda软件安装1.1 AnacondaAnaconda是一个用于科学计算的Python发行版，支持Linux、Mac、Windows，包含了众多流行的科学计算、数据分析的Python包。请自行到官网下载安装，下载速度太慢的话可移步清华源。
官网：https://repo.anaconda.com/archive/
清华源：https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/
1.2 MinicondaMiniconda是一个Anaconda的轻量级替代，默认只包含了python和conda，但是可以通过pip和conda来安装所需要的包。
官网：https://docs.conda.io/en/latest/miniconda.html
清华源：https://mirrors.tuna.tsinghua.edu.cn/anaconda/miniconda/
2. Anaconda创建虚拟环境2.1 创建新的虚拟环境（1）一步完成搭建。需要注意的是要更换python版本，只能用conda命令
conda create –n name python=3.8.10 anaconda后边加anaconda命令选项（可选），在建立虚拟环境的同时，也会安装Jupyter Notebook、Numpy、Scipy、Matplotlib、Panda等python软件包。
（2）分步搭建
# 该命令会创建一个空的conda虚拟环境，此时该环境中没有任何依赖包，只有conda命令可用conda create –n name# 安装python环境，可以指定python版本，不带版本号则会默认安装最新版本conda install python==3.6.22.2 启动/关闭环境conda activate name# 启动虚拟环境conda deactivate# 关闭当前环境，退回到base注意：早期版本的anaconda，前边不需要加conda，直接activate name/deactivate即可。
2.3 删除环境conda remove -n name -all2.4 快速创建（复制其他环境）conda create -n name3 --clone name2.5 环境重命名conda create -n name2 -clone name# 先copy当前环境conda remove -n name -all# 再删除2.6 将虚拟环境设置为本机当前python环境安装完anaconda，默认本机python环境为base环境，可以通过修改环境变量PATH下边的路径，完成本机python环境的切换。

文章插图

文章插图
3. 查看和修改conda环境配置3.1 查看虚拟环境conda info -e（或conda info --envs或conda env list）3.2 查看conda的config信息conda config --show3.3 查看conda的channels信息conda config --show channels3.4 移除某个channelsconda config --remove channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/（这是清华维护的conda三方源之一的conda-forge的镜像，目前不一定能用）3.5 添加可用的清华源conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/conda config --set show_channel_urls yes（安装时显示channel的url）4. 查看电脑硬件信息4.1 cuda版本（1）进入NVIDIA控制面板查看
nvidia-smi若报未找到命令，cmd进入目录C:\Program Files\NVIDIA Corporation\NVSMI再输入命令nvidia-smi，或者添加该目录到环境变量。
（2）命令行查看cuda版本
nvcc --version# 或者nvcc -V（3）python中查看cuda信息
import torch# 查看cuda版本torch.version.cuda# 返回cuda版本号，比如11.1# 查看cuda是否可用torch.cuda.is_available()# 查看可用cuda设备数torch.cuda.device_count()4.2 cudnn版本进入cuda安装目录打开cudnn_version.h查看（低版本没有cudnn_version.h，可在cudnn.h查看）
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.1\include\cudnn_version.h