深度学习跨平台环境问题

在深度学习过程中，不可避免的是在win上跑不通的代码在ubuntu中就可以跑通，这里建议使用autodl。

首先在ubuntu上导出环境（如果你的环境是base的话使用base）

conda env export --name base --no-builds > environment.yaml

这里采用no-builds的方式，避免产生在win上编译不了的库，然后复制yaml中的内容，在win中在base环境下激活新环境

conda env create -f environment.yaml --name testenv

在这里激活环境的时候 尤其是要注意torch的版本问题。

这里将关于torch，torchvision,cudatoolkit和对应的版本放在dependencies中而不是放在pip中，就可以避免产生pip  subprocess错误

conda 基本命令

conda create --name myenv python=3.11
conda env list
conda activate myenv
conda deactivate myenv
conda env remove --name myenv