Anaconda创建环境，配置镜像源，环境变量，pip/conda install，PyTorch找不到CUDA，CondaHTTPError: HTTP 404 NOT FOUND诸问题一站式解决

1 使用conda创建虚拟环境

        前提：安装好Anaconda并将其加到环境变量中：

        如果你还没有安装，可以参考Anaconda安装-超详细版(2023)。

        这里使用命令行进行操作，注意指令的开头都为conda。因为Anaconda创建虚拟环境，实际上是用conda这个包管理系统进行依赖关系的控制；Anaconda是一个包括了python解释器、conda、Jupyter Notebook、TensorFlow、PyTorch等多个软件包的集合，我们只需要用其中的conda。

1.1 conda创建虚拟环境的命令：

conda create -n <环境名> python=<版本号>

1.2 使用conda虚拟环境（cmd/VSCode/PyCharm）

1.2.1 cmd

        在命令行中，使用

conda activate <环境名>

        启用虚拟环境：

        启动成功后，每一行开头会用括号标识出当前所在的虚拟环境，想退出虚拟环境就使用：

conda deactivate

1.2.2 VSCode

        在VSCode中，这里默认已经完成了VSCode中python环境的配置。启动VSCode（在任意工程中都可以）：

        使用顶部搜索栏的快捷键是Ctrl+p，先进入顶部搜索栏，再输入>，输入python select interpreter，选择该项：

        在展开的列表显示了正在使用的解释器，同时可以选择已有的虚拟环境：

1.2.3 PyCharm

        在PyCharm中，可以在创建项目时选定解释器（虚拟环境）：

        这里点击 "Add Interpreter"，在接下来的选项卡中，最左侧选择第一项"Virtualenv Environment"，而后在"Interpreter:"中选择目标解释器（Existing和New选项其实哪个都可以，并不重要）。如果下拉菜单中没有，就在右侧三个点中找到新创建的环境的路径，添加其下的python.exe。

        若要对已经创建的项目更改环境，先打开设置：

        在左侧选中"Project: <文件名>"项，而后选Python Interpretor，后续操作与上文类似。

1.3 我创建的虚拟环境在哪？

        可以在cmd中使用命令：

conda info

        获取当前conda的相关信息，包括虚拟环境的保存地址：

         按照显示信息，当前使用的是第一个目录即"D:\Anaconda\envs"。若要修改默认存储目录（该位置一般在C盘），可以修改配置文件".condarc"，一般位于C:\Users\<用户名>目录下：

 

        以记事本打开，修改envs_dirs项为想要的路径就可以了。

        如果没有该文件，可以手动创建一个，然后重复以上步骤，命令为：

conda config --add channels r

        另一种方案是在Anaconda Navigator的图形化界面中操作。选中左上角File中的Preference：

        选择Config Conda：

        在打开的文档中修改envs_dirs项即可：

2 用conda进行包管理

2.1 为conda添加镜像源

        由于境内访问下载速度慢，需要给conda添加国内的镜像源。可以在1.3中提到的配置文件.condarc里直接添加镜像源，在channels下按格式增加URL即可：

        这里使用的清华源：

channels:
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/pro
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
  - defaults

        注意：既然使用了国内的镜像源，请不要开启网络代理或VPN，否则一样会卡顿或断连。

        另外，在命令行中也可以添加镜像源：

conda config --add channels <镜像源URL>

        然而，在conda创建的虚拟环境中，pip并不共享conda的镜像源，若需要用pip安装所需的包，可以使用如下指令（-i 后面添加镜像源）：

pip install <包名> -i https://pypi.tuna.tsinghua.edu.cn/simple

2.2 CondaHTTPError: HTTP 404 NOT FOUND

        如果你添加镜像源的格式如下：

- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/cloud/

       那么极有可能出现错误

CondaHTTPError: HTTP 404 NOT FOUND for url https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud//xxx

        这是一个简单的格式问题，镜像源的结尾不能为'/'，因为conda搜寻资源时会自动加上'/'，导致路径为"aaa//bbb"，出现无效路径进而报错HTTP 404，如下修改即可：

- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/cloud

2.3 conda install还是pip install？

        在虚拟环境中，推荐使用conda进行包的安装，因为conda能够解析和管理整个环境中的所有包和它们的依赖关系，pip安装包时只解析当前包的依赖关系，可能导致对所有包的依赖关系的破坏。当且仅当conda不含有对应资源时，才使用pip install。

        尽管对于每个虚拟环境来说，它们使用的都是一样的、体外的conda install命令，但这不会导致虚拟环境之间的隔离失效。当你使用 Conda 安装包时，包会安装在当前激活的 Conda 虚拟环境中。每个 Conda 虚拟环境都有自己独立的包存储目录（/Lib/site-packages/），不同环境之间的包不会相互影响。

2.4 环境变量问题

        当你激活一个 Conda 虚拟环境时，以下事情会发生：

1. 环境变量的更新：Conda 会修改 PATH 环境变量，使得当前环境的 Python 和已安装工具优先于系统中的版本。例如，激活环境 myenv 会将 ~/anaconda3/envs/myenv/bin (或 Windows 上的 C:\Users\<YourUsername>\Anaconda3\envs\myenv\Scripts) 添加到 PATH 中
2. Python 解释器切换：当前环境的 Python 解释器和库路径会优先于系统默认的 Python 解释器。
3. 环境变量加载：Conda 会加载在 activate.d 目录中的脚本，以设置任何你定义的自定义环境变量。

        若需要每次启动虚拟环境时配置好相应的环境变量，建议修改activate.d中的脚本，这里不再赘述。建议在虚拟环境中直接安装相应的包或程序，不要从外部的系统中引入。

        例如对于PyInstaller而言，PyInstaller关联于Python解释器的版本，如果在虚拟环境中引入主系统的PyInstaller，很可能因为解释器版本不一造成冲突，同时这种情况下PyInstaller分析的是主系统范围内的库，而不是虚拟环境中的依赖关系。

3 PyTorch&CUDA踩坑

        如果在虚拟环境中直接使用：

conda install pytorch

        大概率会产生如下结果：

        PyTorch提示CUDA不可用，此时无法将模型训练转移至GPU，也无法使用不支持在CPU上的模组。conda并不负责了解CUDA的依赖信息，解决这个问题的办法是手动安装正确版本的PyTorch。

        请按照以下步骤安装PyTorch。

1. 查询本电脑的CUDA版本，以我的电脑为例，我的CUDA版本号为12.2。可以在命令行中使用以下命令：

   nvidia-smi

   

2. 在PyTorch官网Start Locally | PyTorch，查询CUDA 12.2（或你的版本）对应的下载方法，这里选择最接近（且小于等于）当前版本号的选项：
3. 复制以上指令到虚拟环境中，即完成安装，安装后PyTorch表示CUDA可用：

4 ImportError: DLL load failed

        引入某些模块时，可能会出现如下报错：ImportError: DLL load failed while importing _ctypes: The specified module could not be found.

        这个报错是由于某个原因导致的dll文件丢失，解决方法是在Anaconda\Library\bin文件夹下，将ffi.dll、ffi-7.dll、ffi-8.dll都拷贝一份，到当前使用的虚拟环境中。

        需要拷贝到的目标地址即为该环境名的目录下：

若有任何错误，请在评论区指出，有其他问题也可以提问。