ubuntu+anaconda+pytorch+package环境搭建

@liuhaojie

1.虚拟机中pytorch（cpu）的环境搭建
2.服务器上+pytorch(GPU)的环境搭建

1.ubuntu+pytorch+anaconda+package环境搭建

由于之前已经装好虚拟机，并安装了anaconda，此处给出参考

ubuntu和虚拟机的安装： https://www.jianshu.com/p/3379892948da和https://blog.csdn.net/u013142781/article/details/50529030

anaconda的安装：https://blog.csdn.net/lwplwf/article/details/79162470

创建一个Python3.5环境

#创建一个Python3.5环境
	conda create --name torch python=3.5
#查看已有环境
	conda info -e
#删除已有环境
	conda remove -n torch --all 
#复制环境
	conda create -n torchcopy --clone torch 
#激活pytorch环境
	source activate torch
#退出环境
	deactivate torch

修改conda镜像源

在终端中运行以下命令修改镜像源,可以明显加速安装.

	conda config --prepend channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/  #优先使用清华conda镜像
	conda config --prepend channels http://mirrors.ustc.edu.cn/anaconda/pkgs/free/   #也可选用科大conda镜像
	conda config --prepend channels https://mirrors.ustc.edu.cn/anaconda/cloud/conda-forge/

要查看镜像源是否安装成功的话,建议终端中运行以下命令:

 conda config --set show_channel_urls yes

会生成一个~/.condarc文件,运行cat命令查看文件内容

cat ~/.condarc #查看
gedit ~/.condarc #修改

显示内容为

pytorch cpu版安装

#conda方式
conda install pytorch-cpu torchvision-cpu -c pytorch
#pip方式 有时候安装完成后，运行minist or cifar10的时候，总是报错！
pip3 install https://download.pytorch.org/whl/cpu/torch-1.0.1-cp35-cp35m-win_amd64.whl
pip3 install torchvision

我是安装下面的方式装的：
#或者可以按pytorch安装指南的网址，如：
http://download.pytorch.org/whl/cpu/torch-0.3.1-cp35-cp35m-linux_x86_64.whl 直接下载.whl文件，具体网址请在pytorch官网查询．
pip install xxxxxx.whl

package安装

#conda方式
	conda install numpy scipy matplotlib pillow opencv
	
#pip方式
	pip install numpy scipy matplotlib pillow 
	#安装skimage时 直接使用 pip install skimage 报错，使用下面代替
	pip install scikit-image
	pip install opencv-contrib-python==3.4.2.16  #opencv新增的contrib模块
	
#查看环境已经安装的 package
	conda list

测试pytorch：

#查看环境已经安装的 package
	conda list
	
#测试pytorch
from __future__ import print_function
import torch
print(torch.__version__)
x = torch.rand(5, 3)
print(x)

conda install nb_conda

执行上述命令能够将你conda创建的环境与Jupyter Notebook相关联，便于你在Jupyter Notebook的使用中，在不同的环境下创建笔记本进行工作。

在环境中安装 ipython 和 jupyter 好像不需要进入环境安装，直接在环境中调用就行

conda install ipython
conda install jupyter

退出环境重新进入

Error：如果和root中的ipython jupyter 相互冲突，则删除root下的ipython jupyter

gpu安装详情请参考pytorch官网

2.服务器上+pytorch(GPU)的环境搭建

查看cuda的版本

nvidia-smi  #查看显卡
nvcc -V  #查看cuda

我的cuda的版本是8.0
#创建一个Python3.6环境

conda create --name torch python=3.6

#创建一个Torch gpu环境 这里安装的事Torch1.0版本，如果需要安装别的版本去这里下载https://pytorch.org/get-started/previous-versions/

由于conda 安装太慢了，我使用下载好的torch-1.0.1.post2-cp36-cp36m-linux_x86_64.whl pip isntall 安装
文件资源： 百度网盘 提取码：kn7x

pip install torch-1.0.1.post2-cp36-cp36m-linux_x86_64.whl
pip install torchvision-0.2.1-py2.py3-none-any.whl

#conda 安装

conda install pytorch torchvision cudatoolkit=8.0 -c pytorch   #过程很慢，不知道如何解决 

conda install numpy scipy matplotlib pillow #安装必要的包

import torch
print(torch.cuda.is_available())

ok!!!
Pytorch CUDA报错，CUDNN_STATUS_INTERNAL_ERROR的解决办法。使用gpu0没有问题，使用GPU1报错：原来问题是这样：：：

3.windows 安装pytorch

conda create --name torch python=3.6 #创建环境

conda install pytorch torchvision cpuonly -c pytorch  #安装pytorch  太慢了
#在官网下载的whl file
pip install xxxx.whl

#pip方式 安装必要的packets
pip install numpy scipy pillow 
pip install scikit-image matplotlib 
pip install opencv-contrib-python==3.4.2.16  #opencv新增的contrib模块

4.conda安装的国内镜像配置，实现快速下载

anaconda的所有的软件包全部在国外，安装起来很麻烦，关键是下载速度慢，而且经常中断，所以需要配置国内安装的镜像，下载速度就很快了。

一、conda换国内源

查看源命令

conda config --show-sources

添加新的镜像

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/ 
conda config --set show_channel_urls yes 

删除旧镜像源

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

5.更改pip源

临时使用：

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

永久修改:

linux下，修改 ~/.pip/pip.conf (没有就创建一个)

[global]
index-url = https://pypi.tuna.tsinghua.edu.cn/simple

windows下，直接在user目录中创建一个pip目录，如：C:\Users\xx\pip\pip.ini
新建文件 pip.ini

[global]
index-url = https://pypi.tuna.tsinghua.edu.cn/simple

备选
默认访问：https://pypi.python.org/simple/

阿里云：http://mirrors.aliyun.com/pypi/simple/

豆瓣：http://pypi.douban.com/simple/

清华：https://pypi.tuna.tsinghua.edu.cn/simple

中国科技大学：https://pypi.mirrors.ustc.edu.cn/simple

中国科学技术大学：http://pypi.mirrors.ustc.edu.cn/simple/

两个命令df 、du结合比较直观

df    -h                     #查看整台服务器的硬盘使用情况

cd    /                       #进入根目录

du   -sh    *              #查看每个文件夹的大小
du   -sh                   #查看某个文件夹的大小