通过Anaconda安装低版本PyTorch及环境配置一些经验

可以说Python下的依赖管理是特别混乱费事的，这个情况在Deep Learning方面更是如此，大家在发论文的时候lib版本千奇百怪，要想复现真的是不太容易。这里我就简单总结一些方法：

首先Anaconda为我们提供了这种可能。例如我想运行这个repo：https://github.com/rootlu/MMDNE

它是在python 2.7+PyTorch 0.3.0的。所以我们现生成一个python 2.7的环境：

conda create -n pytorch0.3 python=2.7
conda activate pytorch0.3

其次需要看看能不能直接通过conda安装对应版本的pytorch，按照这里：

https://pytorch.org/get-started/previous-versions/#via-conda

的说明，可以通过：

conda install pytorch=0.4.1 -c pytorch

这种方式来安装“without CUDA”的版本，我觉得这个意思就是安装CPU版本吧？但是当运行了：

conda install pytorch=0.3.0 -c pytorch

之后，如果在python的prompt中输入：

import torch

就会报：

libcudart.so.8.0: cannot open shared object file: No such file or directory

这个，很明显就是CUDA没有装的原因啊，所以PyTorch官网上那个链接不靠谱啊。只能想想其他办法：

在这里：https://pytorch.org/get-started/previous-versions/#via-pip

介绍了CPU版本的下载链接，我们点开后：https://download.pytorch.org/whl/cpu/torch_stable.html

可以发现例如下面的一些下载链接：

torch-0.3.1-cp27-cp27m-linux_x86_64.whl
torch-0.3.1-cp27-cp27mu-linux_x86_64.whl
torch-0.3.1-cp35-cp35m-linux_x86_64.whl
torch-0.3.1-cp36-cp36m-linux_x86_64.whl

顾名思义其实挺好懂的，但是唯一让人疑惑的是：cp27m和cp27mu有啥区别？

查了一下才知道：https://www.cnblogs.com/lizhiqing/p/11983174.html

所以下载mu那个whl文件后，运行：

pip install torch-0.3.1-cp27-cp27mu-linux_x86_64.whl

就可以安装pytorch 0.3.1的CPU版本了。

当然，我们也可以通过Anaconda管理多个CUDA：https://blog.csdn.net/clksjx/article/details/86530905

可我总是觉得有点太麻烦（因为首先目的是为了能够跑起来别人的implementation，这时候不一定关心performance和能否在GPU上运行），所以就先试试CPU版本的pytorch安装。

安装好之后可以检查一下其版本：

Python 2.7.18 |Anaconda, Inc.| (default, Apr 23 2020, 22:42:48) 
[GCC 7.3.0] on linux2
Type "help", "copyright", "credits" or "license" for more information.
>>> import torch
>>> print(torch.__version__)
0.3.1
>>> print(torch.cuda.is_available())
False
>>> 

就先记录到这里吧。