conda的使用笔记

Wsyoneself

已于 2022-11-01 10:16:49 修改

阅读量501

点赞数 1

分类专栏： linux 文章标签： conda python 开发语言

于 2022-10-26 21:48:21 首次发布

本文链接：https://blog.csdn.net/weixin_45647721/article/details/127541397

版权

linux 专栏收录该内容

15 篇文章 2 订阅

订阅专栏

创建环境：

conda create --name env_name python=3.5

conda 查看所有虚拟环境：
```
conda info -e
```
conda调整环境的python版本：
```
conda install python==3.9
```
conda 删除环境：（如果删不掉，使用第二条指令，可得到要删除环境的路径，找到路径手动删除即可）
```
conda remove -n 环境name --all
```
查看可安装的cudatoolkit：
```
conda search cudatoolkit --info 
```
查看 cudnn的可下载版本：
```
conda search cudnn --info 
```
下载whl使用镜像源之后还是找不到对应版本可以尝试修改conda的python 版本：conda install python=3.9
检测cuda和pytorch，cudnn,cudatoolkit安装是否匹配：
```
torch.cuda.is_available()返回True只能说明可检测到cuda但不一定可以用（比如运行时不兼容问题：GeForce RTX 3090 with CUDA capability sm_86 is not compatible with the current PyTorch installation.）
实际检测是否可用：
import torch 
a=torch.Tensor([1,2])
a=a.cuda()
```
1. 深度学习用显卡训练的时候，需要安装与显卡对应的cuda和cudnn，这样才可以用显卡进行训练
2. pytorch版本和cuda版本之间又是互相依赖的
3. 可以在conda创建的不同虚拟环境中安装不同的cuda和cudnn版本，以此来实现不同cuda版本间的切换。
4. 查询cuda版本：torch.version.cuda
5. 查询cudnn版本：print(torch.backends.cudnn.version())
6. 注意只有pytorch,cudnn,cudatoolkit 等版本都匹配，torch.cuda.is_available（）才会返回true
7. 有时会遇到model.cuda()卡住的问题，解决：升级pytorch版本
8. 安装pytorch上官网找指令：注意官网那个指令可以选择conda或者pip以及系统类型