（1）python包管理+（2）linux中不联网安装anaconda和python包以及gpu-pytorch+（3）训练模型

从头开始安装python执行所需要的各种环境
windows和linux一样，主要是用anaconda来控制各种python环境

1 python包如何管理

1.1 直接下载python软件开发环境

这样可以直接用，那么只能在一台电脑上安装最多2个python环境：
python2和python3。
然后使用pip管理python2的库，pip3管理python3的库。

1.2 使用anaconda环境管理软件(必须使用它)

如果有多个python环境需要用，比如有的代码是基于opencv2.3版本，有的是基于opencv4.2版本的。那么直接在电脑上安装python的方法就不行了。所以出来了anaconda软件，用于环境隔离。

使用各种命令类似linux系统操作各种环境。
conda常用命令:安装，更新，创建，激活，关闭，查看，卸载，删除，清理，重命名，换源，问题

1.3 pip install 和conda install 两种管理包的方式

1.3.1 conda 管理包（首选，conda中先试conda install不行才用pip install ）

1.3.1.1 conda install numpy背后经历了哪些步骤

使用命令 conda install numpy 是用来在 Anaconda 环境中安装 NumPy 包的。具体来说，这个命令做了以下4件事情：

（1）检查依赖关系: Conda 会首先检查 NumPy 包的依赖关系，以确保安装 NumPy 时所需的其他包也被正确安装或升级。

（2）下载安装包: 如果 NumPy 没有被安装或需要更新，Conda 会从 Anaconda 仓库或配置的其他仓库中下载 NumPy 的安装包。

（3）解决依赖关系: Conda 会解决 NumPy 包的依赖关系，确保它与其他已安装的包兼容，并且不会引发冲突。

（4）安装: 一旦解决了依赖关系，Conda 将会安装 NumPy 包及其所有必需的依赖包。

1.3.1.2 conda install 下载的是.tar.bz2文件

去官网看，有两种包的格式，一种是.conda结尾，一种是.tar.bz2结尾，这两个文件有什么区别：还是没有太搞清楚。不过不重要。目前所有的都是下载安装的.tar.bz2包，没人用.conda文件

numpy-1.20.3-py37h6fc94f6_0.conda
numpy-1.20.3-py37h6fc94f6_0.tar.bz2

离线下载conda包并安装 ，这个案例表明conda下载的是.tar.bz2文件

1.3.1.3 conda源和指定源命令

// 直接用conda命令下载库
conda install numpy
// 离线下载好进行安装
conda install C:\SRData\cudnn-7.6.5-cuda9.2_0.tar.bz2
// 使用requirements.txt文件批量下线包
https://blog.csdn.net/LQ_001/article/details/129669584
// 指定镜像库下载某个库，利用镜像安装指定版本的库，格式如下：
conda install 库名==库的版本号 —channel 镜像网址
// 如：利用清华镜像安装numpy库：
conda install numpy --channel https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main

// conda下载库的常用地址

// conda默认下载的网站
https://repo.anaconda.com/pkgs/main

// 清华大学主要库:
https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
//清华大学免费库:
https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
// 查看源
conda config --show-sources
// 添加源
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/menpo/conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/bioconda/conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/conda config --set show_channel_urls yes
// 换回默认源 
conda config --remove-key channels

conda install怎么指定下载网址 - CSDN文库

conda的下载安装及修改源 - 知乎

1.3.2 pip 管理包（在线和离线安装）

（1）pip install numpy的原理，就是到指定的网站https://pypi.org/去下载以.whl结尾的numpy文件，然后进行安装。

（2）所以我们可以先把这个软件下载到电脑的一个目录，比如C:\SRData\numpy.whl; 然后使用pip install C:\SRData\numpy.whl 实现离线安装，无论是在window还是linux中都是这样，只不过下载的whl版本要对了，windows安装就下载支持windows的numpy.whl，linux系统安装就下载支持linux版本的numpy_linux.whl 。

// 直接用pip命令下载库
pip install numpy
// 离线下载好进行安装
pip install C:\SRData\aiohttp-3.7.4.post0-cp37-cp37m-win_amd64.whl
// 使用requirements.txt文件批量下线包
https://blog.csdn.net/LQ_001/article/details/129669584
// 指定镜像库下载某个库，利用镜像安装指定版本的库，格式如下：
pip install 库名==库的版本号 -i 镜像网址
// 如：利用清华镜像安装Pillow库2.5.3版本：
pip install Pillow==2.5.3 -i https://pypi.tuna.tsinghua.edu.cn/simple

// pip下载库的常用地址

// pip默认下载的网站
https://pypi.org/
// pytorch离线包下去下面这个里面好找
https://download.pytorch.org/whl/torch_stable.html
// 豆瓣:
http://pypi.douban.com/simple/
// 清华大学:
https://pypi.tuna.tsinghua.edu.cn/simple/
//中国科技大学:
https://pypi.mirrors.ustc.edu.cn/simple/
//阿里云:
https://mirrors.aliyun.com/pypi/simple/
// 百度：
https://mirror.baidu.com/pypi/simple

1.3.3 conda和pip区别

1、有一些包必须用pip进行安装，用conda安装不上：比如gdal包。
2、pip和conda下载的包格式不一样，pip对应wheel包后缀是.whl。conda对应压缩包后缀是.tar.bz2

// pip 安装本地包
pip install c:/bin/torch-0.2.0.post3-cp35-cp35m-manylinux1_x86_64.whl
pip install /root/bin/torch-0.2.0.post3-cp35-cp35m-manylinux1_x86_64.whl
// conda 安装本地包
conda install c:/bin/pytorch-0.4.0-py35_cuda8.0.61_cudnn7.1.2_1.tar.bz2
conda install /root/bin/pytorch-0.4.0-py35_cuda8.0.61_cudnn7.1.2_1.tar.bz2

3、conda有着环境管理器和模块包管理器的功能，而pip只是python的管理器，conda当初的设计就不只是针对于python，因此可以用于其它语言，而pip只能用于python的模块包安装。conda通常我们用的比较多的是它的环境管理。

4、conda和pip都具有模块包安装的功能。两者可以都使用，两者之间互相补充，在pip安装搜索不到的包使用conda可能安装，因为两者搜索的包源不一样。
正确的打开方式可以是用conda建立虚拟环境，在虚拟环境中使用conda或pip安装模块包，最大化资源互补。

lx非常好：Python安装第三方库攻略(pip和Anaconda)-以及各种包的格式

1.3.4 补充，在python代码中指定要使用的包（了解，不常用，麻烦）

在没有anaconda的环境中，在运行python代码的时候又需要其它依赖包，只需要在python代码中指定包的路径就行。

// 可以在 Python 代码中使用 sys.path.append() 来添加特定路径到模块搜索路径中，从而让 Python 解释器在这些路径中查找依赖包。
import sys
sys.path.append("/path/to/your/package")

1.4 不能使用anaconda可以使用python的默认创建环境命令（不推荐，只是了解，还用anaconda）

在 Python 中可以使用虚拟环境（virtual environment）来隔离项目的依赖包。
使用虚拟环境：

更好的方法是使用虚拟环境，它可以隔离不同项目的依赖包，同时可以更加清晰地管理依赖关系。你可以使用 Python 的内置工具 venv 来创建虚拟环境，然后在其中安装和管理依赖包。以下是基本步骤：

• 创建虚拟环境：

  python -m venv myenv
  

  这将创建一个名为 “myenv” 的虚拟环境。

• 激活虚拟环境（在 Windows 上使用不同的命令）：

  source myenv/bin/activate  # Linux/Mac
  

• 在激活的虚拟环境中安装依赖包：

  pip install package_name
  

这样，你的 Python 代码将会在虚拟环境中运行，而只有虚拟环境中安装的依赖包才会被使用，不会影响全局 Python 环境。

使用虚拟环境是一种良好的实践，特别是在开发多个项目时，可以确保依赖包的隔离和管理。

2 windows下anaconda的安装及包管理（非常简单）

看下面教程就行，网上教程还有很多，随便搜。
最详细的Anaconda安装、配置及使用（windows）_anaconda windows_惜洛-Jankin的博客-CSDN博客

2.0 使用清华源和其它源安装

conda install numpy --channel https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main

2.1 安装各种包

直接用conda install 安装

2.2 安装gdal（简单）

如果不能联网，将下面这个wheel包拷进去pip就行了。如果能联网，就直接conda install, 如果conda install 失败，就用pip install 试试。如果还不行，就手动下载whl文件，pip安装试试。参考下面两个教程。

linux 安装 gdal python - HaijianYang - 博客园

python安装gdal包 和 gdal学习资料_gdal安装包_晓码bigdata的博客-CSDN博客

2.3 安装opencv

直接conda install

2.4 安装pytorch

2.4.1 windows环境下安装cpu版本的pytorch

非常简单，就是去pytorch官网找到conda安装命令，直接conda中一安装就行。就一行命令。

在anaconda下安装pytorch + python3.8+GPU/CPU版本 详细教程_conda create -n python 3.8-CSDN博客

2.4.2 windows环境下安装gpu版本的pytorch

非常简单，就是去pytorch官网找到conda安装命令，直接conda中一安装就行。就一行命令。，不要用手动安装cuda和cudnn的方式

在anaconda下安装pytorch + python3.8+GPU/CPU版本 详细教程_conda create -n python 3.8-CSDN博客

Pytorch安装（Anaconda配置虚拟环境）(gpu版）_pytorch是虚拟环境吗_feiba54的博客-CSDN博客

不要用下面的链接的这种方式，坑太多了。
win11+MX250+CUDA10.0+pytorch1.5.1安装配置+踩过的坑……_mx250支持cuda吗_野犬Y的博客-CSDN博客

2.5 windows下安装tensorflow

2.5.1 安装cpu版本的tensorflow

conda install tensorflow==2.10

2.5.2 安装gpu版本的tensorflow（比较麻烦点，需要安装其它库）

anaconda安装gpu版本的tensorflow2.0.0教程_anaconda3-python3.10下镜像安装tensorflow-gpu2.0 & keras-CSDN博客

3 linux下anaconda的安装及包管理

linux和windows系统实际上几乎完全一样，只不过windows系统可以通过界面点点点，也可以通过cmd进行各种命令操作。linux系统就是用base环境进行各种命令操作。

对于各种软件，windows怎么弄，linux就怎么弄。

3.1 linux中anaconda的下载

从下面网站下载Anaconda3-2021.04-Linux-x86_64.sh这个文件，就是linux中的anaconda的安装包。只看下载，安装看3.2的教程。
：Linux Anaconda使用、离线安装包及其依赖库_linux离线依赖包_大作家佚名的博客-CSDN博客

3.2 linux中anaconda的安装和使用（命令和windows完全一样）

如何在Linux服务器上安装Anaconda（超详细）_linux_流年若逝-华为云开发者联盟

注意安装好以后要重启终端才可以，否则不重启conda命令还没生效，不要错以为没有安装成功。

如果打开终端，自动就启动了conda的base环境。可以使用 功能关闭默认打开conda的base环境。用的时候conda activate base激活就行。
要关闭在 Linux 终端中自动进入 Anaconda 的 base 环境，你可以使用以下命令：

conda config --set auto_activate_base false

这个命令会将 Anaconda 的自动激活 base 环境的设置关闭。以后，当你启动终端时，不会自动进入 base 环境，你需要手动激活它，可以使用以下命令：

conda activate base

如果你想要重新启用自动激活 base 环境，可以再次运行以下命令：

conda config --set auto_activate_base true

这些命令可以让你更灵活地管理 Anaconda 环境的激活行为。

3.3 linux中安装gdal库

如果不能联网，将下面这个wheel包拷进去pip就行了。如果能联网，就直接pip install 就行。参考下面两个教程。

linux 安装 gdal python - HaijianYang - 博客园

python安装gdal包 和 gdal学习资料_gdal安装包_晓码bigdata的博客-CSDN博客

3.4 安装pytorch（就一行conda install 安装就行,联网很简单）

3.4.1 安装cpu版本的pytorch

cpu和gpu版本的类似，直接就一行命令，conda install 进行安装就可以了

// 也可以指定版本
conda install pytorch torchvision torchaudio cpuonly -c pytorch

联网环境下：
如何在linux上安装GPU版本pytorch_linux安装gpu版本的pytorch_段墨染的博客-CSDN博客

3.4.2 安装Gpu版本的pytorch

安装gpu版本的pytorch，网上有太多版本。基本上分为两个派别：
（1）先确定有gpu显卡，确定有gpu驱动nvidia-smi，

3.4.2.1 直接一行命令

cpu和gpu版本的类似，直接就一行命令，conda install 进行安装就可以了

联网环境下：
如何在linux上安装GPU版本pytorch_linux安装gpu版本的pytorch_段墨染的博客-CSDN博客

3.4.2.2 手动安装cuda、cudnn再按pytorch（不要这样做）

这种方式网上有很多，但是很麻烦，也不能多版本管理。直接就用3.4.2.1节的方式。3.4.2.1节的方式已经被证明可行了。

4 linux在不联网环境下(离线环境)安装anaconda、numpy、opencv、gdal、gpu的pytorch。、

不联网安装的前提是，先把这些安装包都下载好，然后用U盘等拷到linux系统进行pip或者conda进行安装。

4.1 安装Anaconda

看3.1 linux中anaconda的下载。把安装包下载下来拷到linux系统中进行安装就行。

4.2 安装numpy、opencv、gdal

4.2.1 安装库的通用流程conda install （首选）

conda install matplotlib

conda install --use-local 你刚下载的bz2文件即可
离线下载conda包并安装 | 码农家园

4.2.2 安装库的通用流程pip install

直接从清华园等库中中下载whl包，反正所有包都在下面,然后使用下面命令安装就行

pip install /root/SRData/numpy.whl 

离线安装pytorch、opencv以及各种镜像安装库_triton-2.0.0-1-cp38-cp38-manylinux2014_x86_64.many_小橙子的博客～的博客-CSDN博客

python离线安装软件包，常用pip安装软件源网址_python库下载网站_六和七的博客-CSDN博客

// pip默认下载的网站
https://pypi.org/
// 豆瓣:
http://pypi.douban.com/simple/
// 清华大学:
https://pypi.tuna.tsinghua.edu.cn/simple/
//中国科技大学:
https://pypi.mirrors.ustc.edu.cn/simple/
//阿里云:
https://mirrors.aliyun.com/pypi/simple/
// 百度：
https://mirror.baidu.com/pypi/simple

4.2.3 安装gdal库

不能联网，将下面这个wheel包拷进去pip就行了。

linux 安装 gdal python - HaijianYang - 博客园

python安装gdal包 和 gdal学习资料_gdal安装包_晓码bigdata的博客-CSDN博客

4.2.4 安装cpu版的pytorch库

离线安装pytorch、opencv以及各种镜像安装库_triton-2.0.0-1-cp38-cp38-manylinux2014_x86_64.many_小橙子的博客～的博客-CSDN博客

4.2.5 安装gpu版pytorch（这个最难，（除了安装torch外还需要安cuda））

cuda+cudnn 等价于cudatoolkits，所以2选1就行，直接按cudatoolkits最为省事方便。

4.2.5.1 直接使用conda命令安装pytorch和cuda（用这种方式）

下载好离线包，离线包就3个就行：
（1）cudatoolkits的.tar.bz2包，用conda安装；
（2）pytorch的wheel包，用pip安装；
（3）tocrvision的wheel包用pip安装；

然后conda install进行cudatoolkits本地安装。
cudatoolkit离线下载conda包并安装 | 码农家园

4.2.5.1.1 记一次错误的安装

配置：
（1）gpu: RTX 3090;
（2）nvidia-smi驱动：11.3
（3）python：3.8
安装：
（1）cudatoolkits: cudatoolkit-10.1.168-0.tar.bz2
（2）pytorch: torch-1.6.0-cp38-cp38-linux_x86_64.whl
（3）torchvision-0.7.0-cp38-cp38-linux_x86_64.whl

安装好以后测试

import torch
// 下面为true也不一定就可用，还需要实际运行代码才行，自己安装了下面是true,后面运行代码就报错了
torch.cuda.is_available()
// 上面返回true

执行深度学习代码报错：
RuntimeError: CUDA error: no kernel image is available for execution on the device。
有一句警告提示：

// 警告
NVIDIA GeForce RTX 3090 with CUDA capability sm_86 is not compatible with the current PyTorch installation.
The current PyTorch install supports CUDA capabilities sm_37 sm_50 sm_60 sm_70 sm_75.
If you want to use the NVIDIA GeForce RTX 3090 GPU with PyTorch, please check the instructions at https://pytorch.org/get-started/locally/

原因：
你安装的cudatoolkits可以比gpu驱动显示的11.3小，但是不能无线小，算力不支持。
在python中使用,可以查看支持的算力要匹配

 import torch
 torch.cuda.get_arch_list()

解决：
torch版本要和gpu对应，算力对应。
torch与gpu硬件对应：

幸福的烦恼：显卡算力太高而pytorch版本太低不支持_cuda版本太高 pytorch不支持_是Yu欸的博客-CSDN博客

4.2.5.1.2 记一次正确的安装（gpu的pytorch，gdal,opencv）

一、配置：
（1）gpu: RTX 3090;
（2）nvidia-smi驱动：11.3
（3）python：3.8
二、寻找版本：
顺序，看gpu硬件和驱动，定pytorch，再定cudn：
1、确定可以用的pytorch，torch版本的算力要和gpu硬件对应，gpu算力太高下载低版本的torch不能用：
比如rtx3090的算力是sm_86;
pytorch只支持sm_37 sm_50 sm_60 sm_70 sm_75

// 查看包支持的算力
 import torch
 torch.cuda.is_available()
// 上面返回true
 torch.cuda.get_arch_list()

torch与gpu硬件对应：

幸福的烦恼：显卡算力太高而pytorch版本太低不支持_cuda版本太高 pytorch不支持_是Yu欸的博客-CSDN博客

确定可以使用的是： pytroch 1.8以上版本。

2、确定可以用的cudatoolkits，安装cuda要小于nvidia-smi限制，最好要小于1个版本，反正不能大于，等于有风险；

cudatoolkits不大于gpu驱动显示的最高版本就行：所以cudatoolkits<=11.3

3、pytorch要和cudatoolkits对应，确定好这两个版本，下面的；

【最新】CUDA Toolkit版本及可用PyTorch对应关系（参考官网）_cudatoolkit和cuda的版本_将月藏进诗尾的博客-CSDN博客

Linux下PyTorch、CUDA Toolkit 及显卡驱动版本对应关系（附详细安装步骤） - 知乎

上pytorch官网查看（安装）最新版本的cuda以及对应的pytorch,还有下载命令和下载网址

所以可用的基本上就2个组合：
（1）cudatoolkits11.1 + pytorch1.8，（发现conda下载官网没有cudatoolkits11.1 这个版本的包，所以不能用）
（2）cudatoolkits11.3 + pytorch1.8（或pytorch1.9、pytorch1.11），

最后确定：cudatoolkits11.3 + pytorch1.8

4、torchvision要匹配pytorch。从下面的链接里查。
PyTorch中torch、torchvision、torchaudio版本对应关系_Liekkas Kono的博客-CSDN博客

上pytorch官网查看（安装）最新版本的cuda以及对应的pytorch,还有下载命令和下载网址

最后确定：torchvision0.9

三、安装：
下载，
1、先去conda官网下载cudatoolkits11.3：cudatoolkit-11.3.1-h2bc3f7f_2.tar.bz2
2、再去清华园下载了pytorch、torchvision或torchaudio。
（1）cudatoolkits: cudatoolkit-11.3.1-h2bc3f7f_2.tar.bz2
（2）pytorch: pytorch-1.8.1-py3.8_cuda11.1_cudnn8.0.5_0.tar.bz2(这个下载错了但是发现在cudatoolkits1.13上也能用，本来要下pytorch-1.8.1-py3.8_cuda11.3_cudnn8.0.5_0.tar.bz2的)
（3）torchvision:torchvision-0.9.1-py38_cu111.tar.bz2(这个下错了但是发现在cudatoolkits1.13上也能用，应该下载cu113的版本，不安装这个库也能用深度学习)

这次实验再次证明，安装pytorch和tensorflow的gpu的开发环境，不要安装cuda+cudnn，直接在conda中安装cudatoolkits就行。

总结：
（1）自己在windows和linux中，不论是在线和离线安装的成功实验再次证明，安装pytorch和tensorflow的gpu的开发环境，不要安装cuda+cudnn软件，直接在conda中安装cudatoolkits就行。
（2）配置pytorch的各种版本的关系去下面这个链接看配置关系，然后找各个库就行：
Previous PyTorch Versions | PyTorch
（3）安装带gpu的pytorch有4种方案，从1到4按顺序试哪个能用：
1、全用conda安装包安装（自己成功案例就是这样的）：cudatoolkits+pytorch、torchvision或torchaudio；
2、全用pip安装包安装（这种方式没尝试，因为没有cudatoolkits的wheel包）；
3、conda+pip：这种方式很常见，conda和pip各按各的包，conda按cudatoolkits；
4、电脑安装cuda软件，cudnn软件，+pip的pytorch包。没用这种方式，以后也不要用，太麻烦。

4.2.5.2 手动安装cuda、cudnn、pytorch（不要用这种方式）

Linux（Ubuntu）配置Cuda，Pytorch，Anaconda_linux配置cuda_Mister Leon的博客-CSDN博客

在安装cudnn的时候安装8.0.2版本没有tar包
这时候选择安装7.6版本，通过下面教程安装
linux下cuda10.1及cudnn安装

Linux离线状态下安装cuda、cudnn、cudatoolkit_cudatoolkit离线安装_字符搬运工-蓝天的博客-CSDN博客

import torch
// 下面为true也不一定就可用，还需要实际运行代码才行，自己安装了下面是true,后面运行代码就报错了
torch.cuda.is_available()

上面torch.cuda.is_available()结果为True,但是实际应用报错

// 警告
NVIDIA GeForce RTX 3090 with CUDA capability sm_86 is not compatible with the current PyTorch installation.
The current PyTorch install supports CUDA capabilities sm_37 sm_50 sm_60 sm_70 sm_75.
If you want to use the NVIDIA GeForce RTX 3090 GPU with PyTorch, please check the instructions at https://pytorch.org/get-started/locally/
报错 RuntimeError: CUDA error: no kernel image is available for execution on the device。

RuntimeError: CUDA error: no kernel image is available for execution on the device。
torch.cuda.is_available()，这个指令的作用是看，你电脑的 GPU 能否被 PyTorch 调用。能调用了但是也不一定成功，可能缺少某些函数。
上面问题是原因是gpu算力太高，下载的torch不支持
幸福的烦恼：显卡算力太高而pytorch版本太低不支持_cuda版本太高 pytorch不支持_是Yu欸的博客-CSDN博客

4.2.5.3 gpu、驱动、cuda、cudnn、pytorch的依赖关系及相互匹配，以及安装时考虑的顺序

cuda+cudnn 等价于cudatoolkits，所以2选1就行，直接按cudatoolkits最为省事方便。

顺序，看gpu硬件和驱动，定pytorch，再定cudn：
1、确定可以用的pytorch，torch版本的算力要和gpu硬件对应，gpu算力太高下载低版本的torch不能用：
torch与gpu硬件对应：
2、确定可以用的cudatoolkits，安装cuda要小于nvidia-smi限制，最好要小于1个版本，反正不能大于，等于有风险；
3、pytorch要和cudatoolkits对应，确定好这两个版本，下面的；
【最新】CUDA Toolkit版本及可用PyTorch对应关系（参考官网）_cudatoolkit和cuda的版本_将月藏进诗尾的博客-CSDN博客

Linux下PyTorch、CUDA Toolkit 及显卡驱动版本对应关系（附详细安装步骤） - 知乎
上pytorch官网查看（安装）最新版本的cuda以及对应的pytorch,还有下载命令和下载网址

4、torchvision要匹配pytorch。从下面的链接里查。
PyTorch中torch、torchvision、torchaudio版本对应关系_Liekkas Kono的博客-CSDN博客
上pytorch官网查看（安装）最新版本的cuda以及对应的pytorch,还有下载命令和下载网址

几个命令

// 查看是否安装了显卡

// 查看是否安装了gpu驱动
nvidia-smi
// 查看是否安装了cuda,不安cuda也能用gpu的torch，只要conda安装cudatoolkits就行，因为cudatoolkits=cuda + cudnn.
nvcc -V

5 windows和linux中运行python文件的3种方式（完全一样）

windows和linux一样，运行python文件3种方式：

5.1 使用pycharm运行代码

windows和linux中都可以下载pycharm编程软件，常用这个。

5.2 在conda环境中，使用python命令运行文件

# 一.进入虚拟环境
conda activate mypytorch
# 进入名为mypytorch的虚拟环境
二.切换到待执行文件的目录
cd /home/user_name/folder_test
三.运行代码（调用其他python文件）
python conda_test.py

5.3 在conda环境中，输入python，然后就打开了python处理模式进行运行

(base) C:\Users\username>python
Python 3.7.4 (default, Oct 13 2019, 14:31:15) [MSC v.1916 64 bit (AMD64)] :: Anaconda, Inc. on win32
Type "help", "copyright", "credits" or "license" for more information.
>>> import numpy as np
>>> np.array([1, 2, 3])
array([1, 2, 3])

6 总结

1、 windows和linux系统实际上都一样，本质没有啥区别。

2、windows和linux系统都用anaconda软件进行python库管理，conda命令完全一样。

3、windows和linux中运行python代码的方式完全一致，都是那3种方式。

4、windows和linux中管理python库的方式也一样，anaconda中可以使用pip或者conda。

5、无论是联网还是不联网，pip和conda都可以进行包的安装。比如离线环境下可以使用pip安装.whl包，可以使用conda 安装.gz包。

6、无论是pip还是conda的安装方式，在线安装的原理都是2步：（1）去指定官网去下载对应的包，（2）安装这个包；

7、无论是pip还是conda的安装方式，所谓离线方式，就是把在线安装的2步中的第1步手动代替，在线和离线安装原理完全一样。（1）手动去指定官网下载对应的包；（2）安装这个包；

8、在安装gpu的pytorch的时候。不论是windows还是linux,在联网的情况下有2种方式（windows和linux完全一样,只是库的依赖不一样，标识windows的库或者linux的库），一种是直接使用conda命令进行安装cudatoolkits就可以了（看下面链接1）；第2种是手动安装cuda和cudnn，一定要用第一种方式只安装cudatoolkits，第2种方式会出错，还会影响其它环境。
第1种方式：如何在linux上安装GPU版本pytorch_linux安装gpu版本的pytorch_段墨染的博客-CSDN博客

第2种方式： Linux（Ubuntu）配置Cuda，Pytorch，Anaconda_linux配置cuda_Mister Leon的博客-CSDN博客

9、在线状态下安装包的流程：

（1）先用conda install 安装；
（2）如果上一步失败，切换一下conda源，conda install 试一下；
（3）如果上一步失败，再用pip install 试一下；
（4）如果上一步失败，切换一下pip源试一下，pip install尝试一下；
（5）如果上一步失败，下载conda的离线安装包,比如cudnn-7.6.5-cuda9.2_0.tar.bz2，手动本地进行安装。
（6）如果上一步失败，下载pip的离线安装包, 比如GDAL-3.4.1-cp39-cp39-manylinux_2_5_x86_64.xxx.whl，手动本地pip install下载。

10、离线状态下安装包的流程：

（1）先尝试conda，离线下载conda的安装包，然后conda install进行本地安装。

// conda下载库的常用地址

// conda默认下载的网站
https://repo.anaconda.com/pkgs/main

// 清华大学主要库:
https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
//清华大学免费库:
https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
// 查看源
conda config --show-sources
// 添加源
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/menpo/conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/bioconda/conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/conda config --set show_channel_urls yes
// 换回默认源 
conda config --remove-key channels

（2）如果上一步失败，再尝试pip方式，离线下载pip的.whl安装包，然后pip install进行本地安装。

离线包下载网址：

// pip下载库的常用地址

// pip默认下载的网站
https://pypi.org/
// 离线下去下面这个里面好找
https://download.pytorch.org/whl/torch_stable.html
// 豆瓣:
http://pypi.douban.com/simple/
// 清华大学:
https://pypi.tuna.tsinghua.edu.cn/simple/
//中国科技大学:
https://pypi.mirrors.ustc.edu.cn/simple/
//阿里云:
https://mirrors.aliyun.com/pypi/simple/
// 百度：
https://mirror.baidu.com/pypi/simple

11、总结来说：
实际上管理包一共4种方式：
一、conda 管理：
（1）在线安装；
（2）离线本地安装；
二、pip 管理：
（3）在线安装；
（4）离线本地安装；

12、 安装包需要gpu的深度学习库：
自己在windows和linux中，不论是在线和离线安装的成功实验再次证明，安装pytorch和tensorflow的gpu的开发环境，不要安装cuda+cudnn软件，直接在conda中安装cudatoolkits就行。