可能遇到的问题
- Conda - Downloaded bytes did not match Content-Length
解决办法见下面的方法1、2、3 - HTTP errors are often intermittent
解决办法见下面的方法1、2、3 - 包过大
解决方法
1. 使用更快的镜像源
国内一般都要用清华的源来加速,更换源,可以参考其官方链接进行修改https://mirrors.tuna.tsinghua.edu.cn/help/anaconda/
,也可以运行下列命令来修改
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 --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/pro/
conda config --set show_channel_urls yes
一般会再加一个conda clean -i
命令来清缓存
2. 设置更长的timeout
有时,修改了源之后,像pytorch、tensorflow等包过于庞大,网络延迟等等问题,也会导致下载失败
可能通过如下命令,设置更长的timeout
conda config --set remote_read_timeout_secs 600.0
3. 离线安装
从conda的源下载好要安装的包,直接采用本地安装的方式。下载的url在出错的地方有提示:
url: https://repo.anaconda.com/pkgs/main/linux-64/cudnn-7.0.5-cuda8.0_0.tar.bz2
conda install --offline ./cudnn-7.0.5-cuda8.0_0.tar.bz2
4. 选更小的包,减少失败概率
像numpy等包,使用mkl时会过大,参考https://docs.continuum.io/mkl-optimizations/
,可以使用nomkl安装,从而减小包的下载。