使用anaconda创建并管理深度学习虚拟环境的教程

  通常，不同的深度学习论文其所使用的pytorch/tensorflow以及一些库的版本会不一样。而当我们需要在一台机子上跑这些代码的时候，就需要使用工具来创建不同的深度学习环境。这样的工具包括conda、docker等，它们可以创建并隔离管理不同的虚拟环境。下面详细介绍一下使用conda来创建并配置一个全新的虚拟环境的步骤（默认已经安装并配置好anaconda了，没有的话，去下一个吧），以安装python3.6.4，pytorch0.4.0，torchvision0.2.1为例。
  需要明确的一点是，在不同的conda虚拟环境下，pip也是隔离的，所以在某个虚拟环境下既可以使用conda来安装各种包，也可以使用pip安装各种包，安装的包都是只属于该虚拟环境的，不会对其他的虚拟环境造成影响。下面的介绍都是使用pip命令来进行包安装的。

1 创建虚拟环境

  创建一个全新的虚拟环境的命令如下：

conda create -n '环境名' python='版本号'    #环境名可以自己任意指定

  这里以创建一个python版本为3.6.4的环境为例，将创建的这个虚拟环境命名为py364：

conda create -n py364 python=3.6.4

  执行完上述命令后，会输出一个确认信息，是一些预安装的基础库及其版本信息，如下图所示，直接按回车键默认选y即可。

  下面是四个常用的conda命令：

conda info -e    #查询已经创建好的所有conda环境
conda remove -n '环境名' --all    #完全卸载指定环境名的conda环境
conda activate '环境名'    #进入到指定虚拟环境
conda list    #列出当前环境下所有已经安装的库的名称

  所以，当我们创建好py364这个虚拟环境之后，如果要使终端切换到这个环境下，就执行：

conda activate py364

  然后再执行：

conda list

  可以查看当前环境下已经安装的库及其版本信息等，如下图所示：

  可以看到上述列表还包含了pip及其版本，这也证实了不同虚拟环境下的pip之间是相互隔离的。
  

*补充——安装cuda

  现在conda也可以隔离cuda环境了，我们可以通过conda命令安装cuda（在conda里叫cudatoolkit）。
  首先查询可安装的cuda版本：

conda search cudatoolkit --info

  这里选11.8的版本，安装命令为：

conda install cudatoolkit=11.8

  接下来安装cudnn。同样的，先查找可安装版本：

conda search cudnn --info

  这里选8.9.2.26版本的，从上面可以看出，它适配所有11版本的cuda。安装命令：

conda install cudnn=8.9.2.26

  至此，cuda和cudnn安装完毕。
  

2 安装torch及torchvision

  如果要安装的是新版本的torch，可以直接去pytorch官网选择配置，然后通过给出的命令直接安装。而这里我们要安装的是一个比较老的版本，0.4.0，需要自己下载并安装。一些torch历史版本的安装文件可以从这里下载，这里我们下载的是cu90/torch-0.4.0-cp36-cp36m-linux_x86_64.whl这个文件，其中cu90表示用于cuda9.0版本的，cp36指python3.6版本。这里千万注意不要下成cpu版本的pytorch了，不然后边使用cuda的时候会报错（我一开始就是下错了，然后给我报了个RuntimeError）。
  然后，进入到该文件所在的目录下，打开终端，执行：

pip3 install torch-0.4.0-cp36-cp36m-linux_x86_64.whl

  整个过程很快，基本上秒完成，会输出如下三行信息，表示torch安装成功了：

Processing ./torch-0.4.0-cp36-cp36m-linux_x86_64.whl
Installing collected packages: torch
Successfully installed torch-0.4.0

  然后，安装torchision，torch和torchvision对应版本信息可以在这里查看。这里安装的是0.2.1版本的，在终端执行：

pip3 install --no-deps torchvision==0.2.1    #其中--no-deps选项可以使torch不会自动更新

  最后输出Successfully installed torchvision-0.2.1表明安装成功。
为了确认已经成功安装了，可以执行：

conda list

  输出如下：

  与之前的相比，可以看到多了torch及torchision两项，其安装方式为pip。但是，如果此时你想在python命令行中导入torch包，会报错。因为torch依赖的一些包还没安装，下面进行介绍。
  

3 安装相关依赖

  包括torchvision依赖的six、pillow包，以及torch依赖的numpy包。执行如下命令进行安装即可：

pip3 install six pillow numpy

  完成后，让我们在python命令行中测试一下，在终端输入python并执行命令，进入到python命令行模式。然后，依次输入并执行

import torch
import torchvision

  如果没有输出错误信息，则表明已经成功安装并配置好torch和torchvision了，如下图所示：

  
  
参考链接：
深度学习中环境配置的一些经验总结(conda 常用命令)
ubuntu16.04 安装pytorch0.4.0