三、Anaconda 配置 PyTorch（深度学习包安装）

1.PyTorch

参考https://blog.csdn.net/weixin_44335798/article/details/118810038

配置源：

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 --set show_channel_urls yes

创建虚拟环境：conda create -n pytorch python=3.7
可能需要注意Python与Pytorch版本对应

进入环境： activate pytorch

选择适合自己的版本 https://pytorch.org/get-started/locally/

cpu版本

安装：
conda install pytorch torchvision torchaudio cpuonly -c pytorch

安装过程可能会出现如下错误：

Please remove this file manually (you may need to reboot to free file handles)

跟据给出的地址手动删除这个文件，然后重新安装。

gpu版本 new

在Anaconda安装，不需要自己再下载CUDA、cuDNN

安装：（系统 CUDA 为11.6，这里选择 ≤11.6 均可）
conda install pytorch torchvision torchaudio cudatoolkit=11.6 -c pytorch -c conda-forge
conda install pytorch torchvision torchaudio cudatoolkit=11.3 -c pytorch

如果速度慢，可以尝试去掉末尾的 -c pytorch （待测试）

可能会由于版本不对应报错：（比如11.6安装不了，换11.3就行）

failed with initial frozen solve. Retrying with flexible solve.

当conda安装一直没有反应时，尝试用 pip 安装。注意后面的网址，可以先打开看看。可能会有版本不对应的情况
pip install torch==1.10.1+cu111 torchvision==0.10.2+cu111 torchaudio==0.10.1 -f https://download.pytorch.org/whl/cu111/torch_stable.html

pytorch GPU版安装教程（不用安装cuda和cudnn）
Pytorch的安装和CUDA问题总结

因为 PyTorch 自带 CUDA 和 cuDNN，只需要准备支持高于这个CUDA版本的显卡驱动就可以了(系统的CUDA版本）。（不过PyTorch-CUDA只包含给pytorch用的库函数，不包括CUDA toolchain，比如 nvcc 等等，如果需要完整的cuda还是要自己装）

---

gpu版本 old

1.安装CUDA

（1）查看CUDA版本：
（最好先打开 NVIDIA Experience 更新一下驱动？）
法1：命令行（win+R,cmd）输入nvidia-smi，查看驱动信息

法2：NVIDIA控制面板-系统信息-组件

（2）安装CUDA
从官网下载对应版本的安装程序 CUDA Toolkit Archive | NVIDIA Developer
安装： 直接安到C盘？ 精简
检查：win+R cmd 输入 nvcc --version

2.安装cuDNN

（1）从官网下载对应版本的安装程序 cuDNN Download | NVIDIA Developer （需要先注册账号）
（2）将压缩包解压至CUDA安装路径下
如果安装在C盘，位于 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.7
（3）验证：win+R cmd
cd C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.7\extras\demo_suite
then bandwidthTest.exe

Result = PASS    # 说明成功

then deviceQuery.exe

Result = PASS    # 说明成功

也可以找到这些文件直接运行。

3.安装PyTorch

https://pytorch.org/get-started/locally/
conda install pytorch torchvision torchaudio cudatoolkit=11.6 -c pytorch -c conda-forge (虽然安装的CUDA是11.7，但是该命令也可以成功安装PyTorch。 只要小于系统cuda版本就行）
验证：conda activate pytorch

可能会出现的问题：
1 如果已经安装cpu版本的，最好是先卸载，包括torch在内的三四个组件
2 cuda版本略高于torch cuda版本，也可以安装使用
3 torch cuda不一定有对应的python版本，比如我遇到的情况就是：torch1.12.1就没有对应的py3.6的版本
4 验证cudann时，直接双击bandwidthTest.exe会有可能闪退，导致无法观测状态值，可以使用powershell进入该目录下命令打开该文件，不会闪退

---

yqy：
安装 pytorch 1.1版本？

2.其他包

cv2

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

matplotlib

conda install matplotlib （pip慢）

tqdm

pip install tqdm

pandas

conda install pandas

pip install openpyxl

pip install openpyxl

#Python大坑：openpyxl和(xlrd,xlwt)不可混用！
#工程名、包名、文件名、模块名绝对不可重复！
#(xlrd、xlwt)读写过的文件千万不可让openpyxl读写

thop 计算 PyTorch 模型 FLOPs

pip install --upgrade git+https://github.com/Lyken17/pytorch-OpCounter.git
pip install thop
== 可能需要安装 git ==

FLOPs: floating point operations，意指浮点运算数，理解为计算量。可以用来衡量算法/模型的复杂度。

timm 视觉模型库

pip install timm 可以先不安装， segmentation_models_pytorch库包含

einops 张量操作符

pip install einops

dropblock 结构化形式的 dropout

https://pypi.org/project/dropblock/

pip install git+https://github.com/miguelvr/dropblock.git#egg=dropblock

or pip install dropblock

seaborn 统计数据可视化

pip install seaborn 会附带 scipy？

albumentations 深度学习中网络训练时的图片数据增强

pip install albumentations
pip install -U git+https://github.com/albu/albumentations

segmentation_models_pytorch 图像分割模型

pip install segmentation_models_pytorch
pip install git+https://github.com/qubvel/segmentation_models.pytorch
（包含了TIMM）

（待测试↓↓↓）

pycocotools

Windows : 各版本pycocotools.whl文件
cd 到 .whl 文件路径，然后 pip install 文件名
服务器Linux conda install -c conda-forge pycocotools

omegaconf 分层配置系统

pip install omegaconf

tensorboardX Pytorch训练可视化

pip install tensorboardX

torchtoolbox 使 Pytorch 的使用更加容易

pip install torchtoolbox

mmcv 计算机视觉研究的基础库

pip install mmcv #不完整版本，不建议

安装完整版本需要与 CUDA 和 PyTorch 版本对应

pip install mmcv-full -f https://download.openmmlab.com/mmcv/dist/cu111/torch1.9.0/index.html

可能会涉及到版本问题与CUDA问题

https://blog.csdn.net/oh_ooo/article/details/119303251

mmseg 全新的语义分割框架

pip install mmsegmentation

gdal

windows：

应该直接conda就行

.whl文件下载 https://www.lfd.uci.edu/~gohlke/pythonlibs/#gdal

linux：

gdal-wheels-for-linux
http://download.osgeo.org/gdal/

安装 .whl 文件
cd到whl所在目录
pip install ***.whl

导入要使用 from osgeo import gdal

rasterio

要先安装gdal在安装rasterio

windows：

.whl 文件下载
https://www.lfd.uci.edu/~gohlke/pythonlibs/#rasterio

linux:

pip install rasterio

PyCharm中使用pip

Alt+F12
FN+Alt+F12

3.requirements.txt 安装

可以使用 pip freeze > requirements.txt命令，将当前虚拟环境中的依赖包以版本号生成至文件中。 但是有很多杂乱的文件？

也可以自己写好需要的.txt文件使用。 如果速度慢，尝试换源？

opencv-python  
matplotlib
tqdm
pandas
thop
einops
dropblock
seaborn 
albumentations
segmentation_models_pytorch

安装: cd 到 requirements.txt 所在目录下执行
pip install -r requirements.txt

也可以使用PyCharm执行，PyCharm打开项目文件，Alt+F12 进入 Command Prompt，此时自动添加了当前项目路径，直接运行：pip install -r requirements.txt

不使用.txt 也可以批量安装：

pip install opencv-python  matplotlib tqdm pandas thop einops dropblock seaborn albumentations segmentation_models_pytorch