在conda虚拟环境中配置cuda+cudnn+pytorch深度学习环境

1.conda创建并激活虚拟环境

前提：已经安装好了Anaconda并配置好了环境变量

• ---在cmd中 输入以下命令 进入anaconda的base环境

activate

• --- 或者直接在搜索栏里搜索并打开anaconda prompt
• ---如果是linux操作系统，在/anaconda/bin/下打开终端，即可直接进入anaconda的环境

命令行前方出现（base）就意味着你已经进入了anaconda的基础环境

•  conda创建、进入和退出虚拟环境

对应操作的命令如下所示：

#创建一个虚拟环境
conda create -n [your_env_name（你的虚拟环境的名字）] python==[X.X]（2.5、3.8等)
#eg：conda create -n nnunet_env python=3.8

#进入虚拟环境
conda activate [你的虚拟环境名]

#退出虚拟环境
conda deactivate

创建号的虚拟环境文件夹可以在anaconda文件夹中的envs文件夹里找到。

后续的环境配置都需要在激活的虚拟环境中完成

2.查看CUDA版本

系统的CUDA版本，决定了系统最高可以支持什么版本的cudatoolkit，它是向下兼容的

通过nvidia-smi命令查看cuda版本号

3. 安装pytorch cuda 

conda install pytorch==1.7.1 torchvision==0.8.2 torchaudio==0.7.2 cudatoolkit=10.2 -c pytorch

出现冲突报错

Collecting package metadata (current_repodata.json): done                                                      Solving environment: failed with initial frozen solve. Retrying with flexible solve.                     Collecting package metadata (repodata.json): done                                                                 Solving environment: failed with initial frozen solve. Retrying with flexible solve.                                 Solving environment: |                                                                                               Found conflicts! Looking for incompatible packages.                                                               This can take several minutes.  Press CTRL-C to abort.                                                               failed 

Your installed version is: 0

Note that strict channel priority may have removed packages required for satisfiability.

 相关问题解决方法： 

https://www.cnblogs.com/jev-0987/p/15366731.html

anaconda3 | 使用中常见错误 - 简书

解决方法：

conda config --add channels conda-forge

conda config --set channel_priority flexible

检查环境是否配置成功

在python中查看相关信息

#进入虚拟环境
conda activate [你的虚拟环境名]

#输入python来进入python的环境
python

#加载torch
import torch

print(torch.backends.cudnn.version())
print(torch.__version__)
print(torch.version.cuda)
torch.cuda.is_available()
#True

 输出结果表明环境已经配置成功！

可视化

安装 mayavi

官网安装教程：Installation — mayavi 4.8.1 documentation (enthought.com)

使用pip安装：

$ pip install mayavi

$ pip install PyQt5

参考链接：

在conda虚拟环境中配置cuda+cudnn+pytorch深度学习环境（新手必看！简单可行！）_江江ahh的博客-CSDN博客_conda cuda环境