Anaconda 更换镜像源、创建虚拟环境并安装 PyTorch

1.更换镜像源

北京外国语大学开源软件镜像站：https://mirrors.bfsu.edu.cn/help/anaconda/

Windows 用户无法直接创建名为 .condarc 的文件，可先执行如下命令生成 .condarc 之后再修改。

conda config --set show_channel_urls yes

生成的 .condarc 存储在 C:\Users\账户名 目录下：

用记事本打开 .condarc，将镜像站提供的如下内容拷贝进去：

channels:
  - defaults
show_channel_urls: true
default_channels:
  - https://mirrors.bfsu.edu.cn/anaconda/pkgs/main
  - https://mirrors.bfsu.edu.cn/anaconda/pkgs/r
  - https://mirrors.bfsu.edu.cn/anaconda/pkgs/msys2
custom_channels:
  conda-forge: https://mirrors.bfsu.edu.cn/anaconda/cloud
  msys2: https://mirrors.bfsu.edu.cn/anaconda/cloud
  bioconda: https://mirrors.bfsu.edu.cn/anaconda/cloud
  menpo: https://mirrors.bfsu.edu.cn/anaconda/cloud
  pytorch: https://mirrors.bfsu.edu.cn/anaconda/cloud
  pytorch-lts: https://mirrors.bfsu.edu.cn/anaconda/cloud
  simpleitk: https://mirrors.bfsu.edu.cn/anaconda/cloud

运行如下命令清除索引缓存，保证用的是镜像站提供的索引：

conda clean -i

查看 conda 的所有配置信息：

conda config --show

查看现在用的是哪些源：

conda config --show channels

conda config --show-sources

2.选择合适的 CUDA Runtime 版本

2.1 CUDA Runtime 版本不能高于 CUDA Driver 版本

如下图所示，我们使用 PyTorch 训练深度学习模型的时候，首先调用的是 PyTorch 提供的 API，然后又去调用 CUDA Runtime API，接着又去调用底层的 CUDA Driver API，从而利用显卡完成复杂的计算。因此，必须保证 CUDA Runtime 版本不能高于 CUDA Driver 版本。

CUDA Driver 版本是跟显卡驱动绑定在一起的，打开 GeForce Experience，更新显卡驱动（相当于更新 CUDA Driver 版本）：

win + R 输入 cmd，在命令行窗口中输入 nvidia-smi，如下图所示，可以看到显卡驱动版本是 528.02，CUDA Driver 版本是 12.0，CUDA Driver 版本指的是显卡驱动支持的最高 CUDA Runtime 版本，也就是说，要安装的 CUDA Runtime 版本不能高于 12.0。

2.2 根据显卡的算力和架构确定 CUDA Runtime 版本

查看显卡的算力：https://developer.nvidia.com/cuda-gpus

如下图所示，以我的笔记本 RTX3060 为例，算力是 8.6。

查看显卡的算力、架构、及其所支持的 CUDA Runtime 版本：https://en.wikipedia.org/wiki/CUDA

如下图所示，以我的笔记本 RTX3060 为例，架构是 Ampere，算力是 8.6，同时满足这两个条件的 CUDA Runtime 版本有：11.1 - 11.4、11.5 - 11.7.1、11.8、12.0。

2.3 找到安装 PyTorch 的命令行

PyTorch 官网提供的最新版本：https://pytorch.org/get-started/locally/

PyTorch 官网提供的之前版本：https://pytorch.org/get-started/previous-versions/

综合考虑显卡的算力、架构、CUDA Driver 版本，最终决定安装 PyTorch1.12.1 + CUDA11.6，在官网找到的安装命令如下：

conda install pytorch==1.12.1 torchvision==0.13.1 torchaudio==0.12.1 cudatoolkit=11.6 -c pytorch -c conda-forge

至此，我们费了好大的功夫其实只是为了获得一行安装命令，然后就可以在 Anaconda 的虚拟环境中执行这条安装命令了。

3.在 Anaconda 中管理虚拟环境并安装 PyTorch

3.1 查看所有虚拟环境

使用如下命令可以查看 Anaconda 中的所有环境，如下图所示，默认只有 base 环境：

conda env list

conda info --envs

conda info -e

3.2 创建虚拟环境

首先需要选择正确的 Python 版本，如下图所示，对于每个 PyTorch 版本，都有其对应的 Python 版本要求，比如我想安装的是 PyTorch1.12.1，其对应的 Python 版本要求为 3.7 ~ 3.10。

使用如下命令创建虚拟环境：

conda create --name mytorch1.12 python=3.9

创建的虚拟环境默认存储在 Anaconda 安装目录下的 envs 文件夹下：

如果想在指定路径下创建虚拟环境，那么可以执行如下命令，这种写法的弊端就是以后每次用到环境名称的时候都需要带上完整的路径。

conda create --prefix=E:\dev\AnacondaEnv\mytorch python=3.9

3.3 切换/激活虚拟环境

切换/激活虚拟环境：

conda activate mytorch1.12

如果当初创建虚拟环境时指定了路径，那么可以执行如下命令切换/激活（必须写上完整路径）：

conda activate E:\dev\AnacondaEnv\mytorch

3.4 查看当前环境下安装的所有包

conda list

3.5 安装 PyTorch

在创建好的虚拟环境中，执行 PyTorch 官网提供的安装命令：

conda install pytorch==1.12.1 torchvision==0.13.1 torchaudio==0.12.1 cudatoolkit=11.6 -c pytorch -c conda-forge

其中 -c 参数用来指定从哪个软件源下载，默认从 pytorch 和 conda-forge 这两个官方源下载，速度很慢且不稳定。

因为我已经更换好了镜像源，所以这里的 -c pytorch 和 -c conda-forge 会从北京外国语大学开源软件镜像站下载。

3.6 退出虚拟环境

使用如下命令退出虚拟环境：

conda deactivate

3.7 删除虚拟环境

执行如下命令删除虚拟环境：

conda remove --name mytorch1.12 --all

如果当初创建虚拟环境时指定了路径，那么可以执行如下命令将其删除（必须写上完整路径）：

conda remove --prefix=E:\dev\AnacondaEnv\mytorch --all