Conda虚拟环境安装

所谓虚拟环境可以理解为：通过软件控制达到不同环境的虚拟切换，而不限于唯一的真实安装环境。所以自然可以实现不同版本的包共存，只需要用虚拟环境将其分开。也就是：一台机器上通过虚拟环境控制不同版本 python，不同版本的 pytorch等等，类似系统镜像实现了多个系统同时存在一个实体机器里面。

为了实现虚拟环境的完美复制，请先使用environment.yaml再使用requirements.txt，不要落下任何一个。

1 requirements.txt 安装

通过pip存储已有环境到requirements.txt文件中

pip freeze > requirements.txt

通过pip安装该环境：

# 创建环境依赖：通过requirements.txt内包（主要是torch、torchvision等）的版本确定python的版本号
# 创建虚拟环境：conda create -n <env_name> python=<3.8.0> 
# 删除环境：conda remove -n <env_name> --all
#         但这样删除环境不是很彻底，还会有文件无法删除，导致这个文件夹还在，所以我们到安装anaconda的文件夹下找到envs文件夹，然后删除<env_name>这个文件夹。
conda create -n <env_name> python=3.8.0  # (也可直接激活.yaml文件头提到的环境名称) 
# 建议使用3.8.0版本的python 理由如下
# 1. https://conda.io/projects/conda/en/latest/user-guide/tasks/manage-python.html
# 2. vscode 中的python扩展插件的默认安装版本不再支持python3.7以下的了，为了减少不必要的操作建议直接按转3.8.0: https://blog.csdn.net/weixin_39916966/article/details/125737069。（debug扩展插件——Pylance需要比python扩展插件更早才能正常在vscode中debug）
# 3. 具体python版本，可以参考torch包中涉及的cp3*，表示cython版本：https://download.pytorch.org/whl/torch_stable.html
source activate <env_name>  # 激活新建的虚拟环境
# pip 安装环境
pip install -r requirements.txt 
# 或者使用 conda 安装环境
conda install --file requirements.txt 

以上用pip安装环境时，只对当前环境使用的 python 安装指定包；用conda安装环境时，会检索并解决包依赖问题，但是下载速度很慢。

1.1 实操：先确定pytorch版本，再安装

1. 先创建python虚拟环境：conda create -n <env_name> python=3.8.0
2. 再安装其他的包：pip install -r requirements.txt （需要说明的是，1）注意一下cuda的版本；2）requirements.txt中的内容不是 pip freeze > requirements.txt 生成的，而是直接手工创建的）
   • 2.1 先nvidia-smi查看cuda版本。当前版本为12.0
     
   • 2.2 上pytorch官网https://pytorch.org/get-started/previous-versions/找安装代码，这里使用老版本的pytorch（开发版本pytorch-lightning类似）这种只能在固定网络才能下载，通常要求pytorch自带cuda，这时就得到网页找pytorch。
     假如安装命令是pip install torch==2.0.1+cu118 torchvision==0.15.2+cu118 torchaudio==2.0.2 --index-url https://download.pytorch.org/whl/cu118，则requirements.txt文件内容如下：

     # reuqirements.txt文件内容
     --find-links https://download.pytorch.org/whl/torch_stable.html
     torch==2.0.1+cu118   # 注意这里是torch，不是pytorch
     torchvision==0.15.2+cu118
     torchaudio==2.0.2
     

   • 2.5 pip安装：pip install -r requirements.txt

1.2 安装最新版的pytorch

作为一个合格的科研狗，用稳定版的pytorch是满足不了日常科研需求的，使用最新的pytorch-nightly才是正道。

最新版本的发布网站： https://download.pytorch.org/whl/
但不幸的是，因为依赖问题，直接下载这些包并使用pip install xxx.whl很难安装成功。因此推荐指定下载网址的方式进行安装：

pip install --pre torch torchvision torchaudio --index-url https://download.pytorch.org/whl/nightly/cu118

2 conda 安装

conda安装主要在安装torch和tensorflow环境时用到：

1. 装python环境: conda create -n tf python=3.8
2. 安装torch或者tensorflow
   • 安装pytorch：官网https://pytorch.org/get-started/locally/搜到使用命令：conda install pytorch torchvision torchaudio pytorch-cuda=11.8 -c pytorch -c nvidia，直接安装。
   • 安装tensorflow-gpu：conda install -c anaconda tensorflow-gpu=2.1 # （可以先 conda search tensorflow 搜一下有什么可选的版本
3. 安装其他的包：conda install absl-py, scipy=1.2.0, keras

3 environment.yaml 安装

通过conda存储已有环境到environment.yaml文件中

conda env export > environment.yaml

通过conda创建该环境：

conda env create -f environment.yaml

.yaml文件只储存了环境中用conda install等命令安装的包，而没有存储用pip之类安装的包，因此要求配合以下requirements.txt的安装方式一起使用，才能移植虚拟环境。

---

4 离线安装

1. 创建一个新环境并激活
2. 从https://anaconda.org/anaconda/repo下载相关包（*.bz2）并移到不能上网的服务器
3. 使用conda install .进行安装，比如说：conda install python-3.6.4-hc3d631a_1.tar.bz2，其中python-3.6.4-hc3d631a_1.tar.bz2存在当前路径下
4. 验证是否安装成功conda list python