深度学习环境配置——利用Anaconda进行python的虚拟环境配置

在进行深度学习的环境配置时，耗费了大量的时间。略微说一下过程，详细教程网上都有，就记录一下自己遇见的问题，特此进行下记录，防止以后再遇见又花时间。

1.首先使用的windows11 x64安装了python3.9，vscode，然后对应相应版本，在清华镜像里安装了对应版本的anaconda3，具体是根据python3.9的发布时间，在Anaconda release notes里根据相近时间，然后查看对应的python环境更新。

Anaconda release notes — Anaconda documentation

2.然后进行CUDA和Cudnn的安装。先安装CUDA，Cuda公告里显示，自11.6版本以后将不再提供sample，sample放在github上自行下载。所以根据nvidia的系统信息，安装了更早一点的11.1版本。过程中注意不要勾选visual studio integration，因为没有安装vs。安装完成后在终端输入命令nvcc --version或者nvcc -V（注意大小写）可以查看版本。

3.安装Cudnn。注册账号，选择对应版本cudnn，下载是个压缩包，压缩以后将相应文件添加到对应的cuda安装路径，然后添加相应的环境变量路径。cudnn其实就是cuda的一个深度学习补丁包。最后检测的时候，进入了cuda的默认目录C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.1\extras\demo_suite中，运行bandwidthTest.exe和deviceQuery.exe检测cudnn是否成功安装，却弹框闪退，原因不明。一度以为安装不成功。后面在cmd终端上，cd进入默认目录，来运行这两个文件，才出现了Result=Pass的结果，证明安装成功。

4.进行python的虚拟环境安装。在一些教程安装pytorch时，有的没有叫安装anaconda下的python虚拟环境。但是还是有必要的，相当于一个独立的环境，不会影响外部的python环境。

首先终端输入conda env list进行当下环境base的查看，只有一个基本环境；

然后输入conda create -n pytorch python=3.9创建一个名为pytorch的虚拟环境，版本为python3.9；

最后输入conda env list，当下可看见已创建一个新的虚拟环境。

接下来进行环境激活：输入

conda activate pytorch

这时遇见问提，提示：

CommandNotFoundError: Your shell has not been properly configured to use 'conda activate'.

经查询，需要运行命令：

conda init cmd.exe

conda init powershell

来进行终端重启，之后就可以激活了。

5.删除虚拟环境：conda remove -n 【环境名称】 --all

复制虚拟环境：conda create -n 【新环境名称】 --clone 【旧环境名称】

退出当前虚拟环境（pytorch）：conda deactivate