Anaconda 环境克隆、迁移 ，用Anaconda里面的conda命令创建虚拟环境并克隆环境或者复旧电脑实验环境包、_conda复制环境

### 9、设置国内镜像


http://Anaconda.org的服务器在国外，安装多个packages时，conda下载的速度经常很慢。清华TUNA镜像源有Anaconda仓库的镜像，将其加入conda的配置即可：


#添加Anaconda的TUNA镜像

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/

TUNA的help中镜像地址加有引号，需要去掉


#设置搜索时显示通道地址

conda config --set show_channel_urls yes

## 二、--------------conda虚拟环境 克隆clone----------------------


在服务器上想要使用别人搭好的环境，但是又怕自己对环境的修改更新会影响他人的使用，这个时候可以使用conda命令进行复制环境。  
 首先假设已经安装了Anaconda。


根据已有环境名复制生成新的环境


### 1、假设已有环境名为A，需要生成的环境名为B：（我自己用过，在同一台机器上克隆原始环境到另一个环境，挺好用的）（√）

conda create -n B --clone A

### 2、根据已有环境路径复制生成新的环境


假设已有环境路径为D:\A，需要生成的新的环境名为B：

conda create -n B --clone D:\A

生成的新的环境的位置在anaconda的安装路径下，一般情况在D:\Anaconda3\envs\文件夹下。


————————————————


### 3、克隆base环境


如果想迁移的是base环境，因此需要先克隆（base环境不能直打包）

conda create -n 新环境的名称 --clone 老环境名称

![在这里插入图片描述](https://img-blog.csdnimg.cn/8888e317cacc44e5b173ca12ecfc309b.png#pic_center)  
 可以看到已经克隆好了  
 ![在这里插入图片描述](https://img-blog.csdnimg.cn/5823aad1d4bb4cffb78502b88770f3fc.png#pic_center)


### 4、安装conda-forge和conda-pack工具


conda-pack是打包工具

conda install -c conda-forge conda-pack

### 5、将环境打包


添加-o参数，例如将上述环境导出为新环境.tar.gz压缩包

conda pack -n 新环境名称 -o 新环境名称.tar.gz

文件会默认打包在C盘：/用户/用户名的文件夹中  
 ![在这里插入图片描述](https://img-blog.csdnimg.cn/b42e812d422a4cd19d935caa60dd81b7.png#pic_center)  
 将压缩包放到目标主机的同版本Anaconda路径下的envs文件夹内，解压。注意：需要相同版本的Anaconda


### 6、在目标主机上激活环境

conda activate 新环境

![在这里插入图片描述](https://img-blog.csdnimg.cn/6081f616f9164e0d89e3654c1bc334e8.png#pic_center)  
 可以看到环境已经成功迁移到目标主机并且可以使用了  
 ————————————————


## 三、-------Ubuntu Windows中pytorch安装技巧、各种版本、完整安装、快速高效---------


### pytorch安装


在Ubuntu、Windows开发环境，尤其是按照官网教程，安装pytorch并不是一件容易的事，下面介绍一种简单高效的安装技巧，本人有着管理大规模服务器的经验，也安装过各种环境、各种版本的pytorch几十次了。  
 官网给出的教程非常简单：

pip install torch
pip install torchvision

以上命令会下载最新版的torch，命令虽然简单，但是存在一个致命的问题就是：下载过程中，经常会timeout（网络超时）。建议大家用以下方式进行安装。


### torch与torchvision卸载

pip uninstall torch
pip uninstall torchvision

### ubuntu环境（服务器就下载linux系统的）（√）


首先，点击以下连接，下载指定版本的torch和torchvision，torch大约500M，torchvision非常小，torch下载的时候建议用迅雷下载，稳定、快速，真的好用。并且这种方式下载的whl文件可以保存到本地，以后可以继续使用。  
 [torch下载链接：https://download.pytorch.org/whl/torch\_stable.html]( )  
 ![在这里插入图片描述](https://img-blog.csdnimg.cn/4eea7e527a8c476e9b9e3028a7e97aaa.png#pic_center)  
 torch跟torchvision的有相应的对应官方推荐版本，如何确定两者之间对应的合适版本呢？有一个小技巧就是torch跟torchvision的最新版本从后往前数！因为每推出一个新版的torch，就会有一个版本的torchvision。  
 torch跟cuda版本和非cuda版本，注意这个。


下载完成后，找到两个whl所在的目录，执行以下命令。注意：torch的安装依赖numpy、six等，所以执行以下命令之前，最好手动安装numpy、six等，如果没有numpy、six等，pip会自动安装，但是很慢。

pip install torch-1.4.0-cp36-cp36m-linux_x86_64.whl
pip install torchvision-0.5.0-cp36-cp36m-linux_x86_64.whl --no-deps

–no-deps 参数是为了不安装其他依赖，如果需要手动安装即可。用以下方式安装


### 上述安装–>>进一步说明


indows下Pytorch安装 --先下载对应的whl文件，再本地安装


#### 1. 创建环境(anaconda)

conda create -n torch37 python=3.7

#### 2. 选择对应的torch版本（whl文件）


<https://download.pytorch.org/whl/torch_stable.html>


#### 3. 安装


##### 查看cuda


终端输入

nvidia-smi

显示如下：  
 ![在这里插入图片描述](https://img-blog.csdnimg.cn/5fb6c949187d4e1599973de86d7e11c8.png)  
 如果出现问题：  
 解决nvidia-smi问题  
 把**C:\Program Files\NVIDIA Corporation\NVSMI**添加到path。  
 ![在这里插入图片描述](https://img-blog.csdnimg.cn/23513513b192410ba81558a650806358.png)  
 再重新打开cmd窗口，输入

nvidia-smi

![在这里插入图片描述](https://img-blog.csdnimg.cn/544cf2c1dd93469899d89a0d52ffc441.png)


我电脑中显示的CUDA版本为10.2


选择自己需要安装的GPU版本


这里我自己选择torch（1.7.0）  
 如下图：  
 ![在这里插入图片描述](https://img-blog.csdnimg.cn/f3dd13835d664f2094108f25e175b1c9.png)


##### 安装pytorch


##### 3.1打开cmd控制台，切换到conda虚拟环境（如果之前没设置conda虚拟环境，则跳过此3.1步），切换如下：

activate 虚拟环境名

例如我的虚拟环境名是pytorch，因此我输入

activate pytorch

当控制台命令最左边出现（pytorch），说明成功进入名称为pytorch的虚拟环境


![在这里插入图片描述](https://img-blog.csdnimg.cn/d40489d4b84f418d9f9f5e769274c3cd.png)


##### 3.2切换到pytorch和torchvision的下载目录


例如我的下载目录为

E:\下载

![在这里插入图片描述](https://img-blog.csdnimg.cn/41993012de1c4e61a8dfe265d3c7b480.png)


先输入

E：

注意是英文的冒号，按回车后，再输入

cd E:\下载

按回车后跳转到了下载目录  
 ![在这里插入图片描述](https://img-blog.csdnimg.cn/e2b14f0ec8fc4d2eb96786301bc985ce.png)


##### 3.3安装pytorch和torchvision


3.3.1假如该虚拟环境安装过别的版本的pytorch和torchvision，则需要先卸载它们，卸载方法如下：


输入

pip uninstall torch
pip uninstall torchvision

如果是conda安装的，输入

conda uninstall torch
conda uninstall torchvision

3.3.2安装pytoch


在想安装的虚拟环境和当前下载目录下，输入

pip install torch-1.9.0+cu111-cp37-cp37m-win_amd64.whl

若出现询问，按y确定


3.3.3安装torchvision


同理，输入

pip install torchvision-0.10.0+cu111-cp37-cp37m-win_amd64.whl

若出现询问，按y确定


3.4验证安装是否成功


3.4.1在cmd控制台验证


在pytorch虚拟环境下，输入python进入python编程环境  
 然后导入torch，导入的时候有点慢，稍等片刻，等左侧出现>>>符号时，说明导入成功  
 输入torch.\_\_version\_\_后查看是否返回pytorch版本号  
 输入torch.cuda.is\_available()后若返回True，说明能使用GPU训练  
 如下图所示


![在这里插入图片描述](https://img-blog.csdnimg.cn/4bbd96b26ffb4cd8b6a33cedc8c48361.png)


#### 加入清华的临时源（更快速安装包）

pip install numpy -i https://pypi.tuna.tsinghua.edu.cn/simple

以上即可完成ubuntu的安装，多做一点说明，anconda和virtualenv虚拟环境，要进入虚拟环境之后，再安装。


### windows环境


windows环境安装如ubuntu安装过程一样，一定要选择好windows版本，在cmd命令行中操作即可。


你看完咯！！！真棒: ![Alt](https://img-home.csdnimg.cn/images/20220524100510.png)


## 四、--------------环境不知道怎么回事，环境乱了怎么办（√）-------------------


### 1、首先看看自己的cuda的版本和torch的版本是不是对应不起来,对应不起来就去官网冲重新下载


查看cuda版本

nvcc --version

或者

nvidia-smi

![在这里插入图片描述](https://img-blog.csdnimg.cn/1a2f51b06964476a83e9d59a1e4d111b.png#pic_center)

conda env list

![在这里插入图片描述](https://img-blog.csdnimg.cn/e1f489ac3267437c840db35ee5d5145b.png#pic_center)

conda activate pytorch36

![在这里插入图片描述](https://img-blog.csdnimg.cn/111fa9ee98ec49c99936278b000e8a3b.png#pic_center)



**自我介绍一下，小编13年上海交大毕业，曾经在小公司待过，也去过华为、OPPO等大厂，18年进入阿里一直到现在。**

**深知大多数Python工程师，想要提升技能，往往是自己摸索成长或者是报班学习，但对于培训机构动则几千的学费，着实压力不小。自己不成体系的自学效果低效又漫长，而且极易碰到天花板技术停滞不前！**

**因此收集整理了一份《2024年Python开发全套学习资料》，初衷也很简单，就是希望能够帮助到想自学提升又不知道该从何学起的朋友，同时减轻大家的负担。**

![img](https://img-blog.csdnimg.cn/img_convert/9c4c789fc1b6a07d6d1f7471590ea40f.png)

 

![img](https://img-blog.csdnimg.cn/img_convert/f4aecbfd2af76f16e76eefa70f763664.png)

![img](https://img-blog.csdnimg.cn/img_convert/46506ae54be168b93cf63939786134ca.png)

![img](https://img-blog.csdnimg.cn/img_convert/252731a671c1fb70aad5355a2c5eeff0.png)

![img](https://img-blog.csdnimg.cn/img_convert/6c361282296f86381401c05e862fe4e9.png)

![img](https://img-blog.csdnimg.cn/img_convert/9f49b566129f47b8a67243c1008edf79.png)

 

**既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，基本涵盖了95%以上前端开发知识点，真正体系化！**

**由于文件比较大，这里只是将部分目录大纲截图出来，每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频，并且后续会持续更新**

**如果你觉得这些内容对你有帮助，可以扫码获取！！！（备注Python）**

9786134ca.png)

![img](https://img-blog.csdnimg.cn/img_convert/252731a671c1fb70aad5355a2c5eeff0.png)

![img](https://img-blog.csdnimg.cn/img_convert/6c361282296f86381401c05e862fe4e9.png)

![img](https://img-blog.csdnimg.cn/img_convert/9f49b566129f47b8a67243c1008edf79.png)

 

**既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，基本涵盖了95%以上前端开发知识点，真正体系化！**

**由于文件比较大，这里只是将部分目录大纲截图出来，每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频，并且后续会持续更新**

**如果你觉得这些内容对你有帮助，可以扫码获取！！！（备注Python）**

<img src="https://img-community.csdnimg.cn/images/fd6ebf0d450a4dbea7428752dc7ffd34.jpg" alt="img" style="zoom:50%;" />