快速搭建Anaconda+Pytorch环境

一、Anaconda简介

一个开源的Python发行版本，其包含了conda、Python等180多个科学包及其依赖项。其中conda是一个开源的包、环境管理器，可以用于在同一个机器上安装不同版本的软件包及其依赖，并能够在不同的环境之间切换。便于后期管理项目所需的依赖包。

conda常用命令

（1）创建虚拟环境

conda create --name [env_name] [package_name1] [package_name2]

• [env_name] 即创建的环境名。
• [package_name] 即安装在环境中的包名。

例如创建一个虚拟环境myenv，以下均以此为例。

conda create --name myenv

（2）进入虚拟环境

conda activate myenv

（3）退出虚拟环境

conda deactivate

（4）清除虚拟环境

conda clean -all

（5）删除虚拟环境

conda remove -n myenv --all

（6）复制环境

conda create --name [new_env_name] --clone [old_env_name]
conda create --n [new_env_name] --clone [old_env_name]

（7）安装包

conda install [package_name]
conda install numpy

（8）搜索包

conda search [package_name]
conda search pytorch

（9）查看当前环境包列表

conda list

查看指定环境下的包列表

conda list -n [env_name]
conda list -n OpenCV3.6

查看conda版本

conda -V

二、安装Anaconda

1、官网下载安装Anaconda

官网下载：“Anaconda | The World’s Most Popular Data Science PlatformFree Download | AnacondaAnaconda | The World’s Most Popular Data Science Platform”进入Anaconda官网下载。

傻瓜式安装，按个人需求修改安装路径。

安装成功后，打开开始菜单Anaconda中的“Anaconda Prompt”，使用以下命令查看conda版本：

conda --version
conda -V

如图所示，即安装成功。

此时发现，用Win+R打开cmd时运行以上命令则返回以下内容：

原因在于没有为conda配置相关的环境变量，按需配置，此处忽略。下面进行一下镜像的配置，国外镜像下载速度过慢，容易出现超时问题，故更换为清华镜像。

1、取消现有镜像地址：

conda config --remove-key channels

报错：

CondaKeyError: 'channels': key 'channels' is not in the config file    #报这段错误说明已经是默认源

2、设置清华镜像地址：

conda config

conda config --add channels http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/win-64/
conda config --add channels http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/win-64/
conda config --add channels http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
conda config --set show_channel_urls yes
conda config --set ssl_verify yes

注意：上面的源一定要用http，不能用https！！！

3、验证

conda config --show

运行结果如下则表示成功

或者采用以下命令行查看当前所有镜像。

conda config --show channels

以上就完成了Anaconda的基本安装，下面进行Pytorch的安装。

三、安装Pytorch

1、创建虚拟环境

conda本身就已经包含很多包依赖，后续在完成各个项目的过程中又会不断引入新的包。如果全都放在同一个环境下则会使得过于臃肿，故可通过创建虚拟环境来将彼此分隔。

打开开始菜单Anaconda中的“Anaconda Prompt”，默认进入的是根目录，base目录。

创建虚拟环境

conda create --name myenv

注：myenv是虚拟环境的名字，可以自己定义这个名字

2、登入虚拟环境

conda activate myenv

3、安装Pytorch及其依赖环境

对应的conda命令可以从http://pytorch.org/得到。

如何查看自己电脑是否支持GPU运算？

简单方法：右键桌面，查看是否有NVIDIA控制面板，有的话则支持cuda版本的Pytorch，否则下载cpu版本的。注意cuda版本的Pytorch仅支持英伟达的显卡，AMD的显卡暂不支持。两者区别在于cpu版本的运算速度较慢，但不影响其他具体功能。

其中CUDA的版本号要从NVIDIA控制面板->系统信息->组件中的产品名称一列中查看CUDA的版本号(10.1的也写10.0)。具体如下所示。

点击控制面板，查看系统的信息，可以看到显卡类型和当前驱动的版本。

选择组件，查看电脑所支持的CUDA最大的版本，如下图所示，可最高支持CUDA12.3.99。

历史版本的安装命令查看方式

打开网址Previous PyTorch Versions | PyTorch里面包含了各种历史版本的安装命令方式。

确认好cuda和Pytorch之间的版本对应后就可以通过从官网选择的命令进行安装。本电脑中cuda为11.7版本的。

conda install pytorch==2.0.1 torchvision==0.15.2 torchaudio==2.0.2 pytorch-cuda=11.7 -c pytorch -c nvidia

根据电脑性能不同，需要一些时间安装。

安装成功后可通过conda命令来显示当前虚拟环境中的所有包。

conda list

这里会列出很多依赖包，重点关注一下pytorch。

如图显示pytorch对应版本是2.0.1的，且是cuda版本的，说明安装成功。

4、利用pycharm验证GPU是否可用

新建项目，这里注意要选择之前配置好的Anaconda环境。

然后在python文件中执行以下代码，在控制台打印输出。

print(torch.cuda.is_available())
print(torch.version.cuda)

输出结果

或者直接在conda下测试

import torch
print(torch.cuda.is_available())

表示环境搭建成功！！！

5、安装一些常用的包

conda install 需要安装的包的名字（如果这个命令安装失败，可以换成：pip install 需要安装的包的名字）。

在当前虚拟环境myenv中依次执行以下命令：

conda install matplotlib
conda install pillow
conda install pandas

显示done则表示安装成功。

退出虚拟环境

conda deactivate

到此，Pytorch的安装告一段落。以下cuda和cuNN

四、安装本地的cuda（可选）

1、版本对应

查看电脑所支持的最大cuda版本，参考安装Pytorch的方式，或者可以通过以下方式进行查看。使用win+R命令打开运行窗口→输入cmd，然后再输入nvidia-smi，如图所示。

了解完版本之间的对应关系就可以进行具体的安装。

2、安装过程

复制以下链接到浏览器打开：CUDA Toolkit Archive | NVIDIA Developer

找到自己所需要的版本。

点击下载

找到下载好的exe文件，双击安装

这里建议选择默认的安装路径，以免不必要的麻烦，后续可以在打开GeForce Experience时可能出现报错。

如果是第一次安装的话，一路下一步即可。

最后判断是否安装成功。

查看系统的环境变量中是否多了以下两个东西。

重启电脑，打开cmd命令窗口，输入以下命令。

nvcc -V

显示结果如图则表示安装成功。

五、补充显卡驱动更新

NVIDIA官网：官方驱动 | NVIDIA

更新成功后再次查看显卡驱动，就会得到版本较高的驱动和CUDA版本。