conda源，tensorflow2，pytorch安装

更新

---

他妈的，搞了三天，升级了驱动，安装了CUDA12.1, 安装了CUDNN，
结果还是CPU版本。

问题出在清华源上，用conda安装，没找到GPU版本，装成了CPU版本

直接用pip3 安装，一步到位，不用自己装cuda和cudann, pytorch自带了。

 pip3 install torch torchvision torchaudio

---

镜像

有些清华源头已经挂了，但是中文互联网上的一些教程没更新，导致问题
直接看清华源主页设置

• 直接修改文件

  vim ~/.condarc 
  

• 将文件写为

  channels:
    - defaults
  show_channel_urls: true
  default_channels:
    - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
    - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r
    - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2
  custom_channels:
    conda-forge: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
    msys2: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
    bioconda: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
    menpo: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
    pytorch: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
    pytorch-lts: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
    simpleitk: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
    deepmodeling: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/
  

• 如果网络有问题，把https改成http

---

更新驱动

教程

---

安装CUDA

官方下载地址
操作
教程

---

#安装CUDNN
教程

---

conda create -n py37 python=3.7
activate py37
conda install tensorflow-gpu=2

conda install pytorch

问题1：
最后一步安装tensorflow不成功
网络挂了

问题1：
发现清华和中科大的源头都挂了
没有细究是和anaconda没谈妥还是超负荷还是怎么滴
解决：
经过换源（清华/北外/中科大）后，发现其实是因为我关闭了ipv6
把所有源删，打开ipv6，速度杠杆的
具体细节没细究 反正是这么解决的

附上源管理命令：（失败可以改成http而不是https）
conda config --add channels https://mirrors.bfsu.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.bfsu.edu.cn/anaconda/pkgs/main/
conda config --set show_channel_urls yes

删除所有源：
conda config --remove-key channels

问题2：
Original error was: cannot import name ‘multiarray’ from ‘numpy.core’
解决:
pip uninstall numpy即可

问题3：
torch、tensorflow查看可用gpu个数：
torch.cuda.device_count()，显示0
print(tf.test.gpu_device_name())，
显示RuntimeError: cudaGetDevice() failed. Status: CUDA driver version is insufficient for CUDA untime version
解决：应该需要更新驱动
①首先解决nvidia-smi无法执行：
环境变量中添加 C:\Program Files\NVIDIA Corporation\NVSMI
然后cmd执行：nvidia-smi -L
显示：GPU 0: GeForce GTX 960 (UUID: GPU-e57eb8f5-3421-324f-1f40-fbace950b032)
在https://www.nvidia.cn/Download/index.aspx?lang=cn中寻找对应驱动（发现960没有studio驱动只有game驱动。。没办法了，安装吧）
②再次查看，发现 print(tf.test.gpu_device_name())正常，但是torch.cuda.is_available()显示false：
原因：安装的是cpu版本。需要指定下cuda， 它才会安装gpu版本
卸载pytorch： conda uninstall pytorch

重新安装：
尝试官网方法conda install pytorch torchvision cudatoolkit=10.1 -c pytorch
太慢了
换上清华的源，conda install？
狗日的，明明能上，却显示404
不折腾了，观察，发现需要下载安装这两个版本的东西：我直接去https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/win-64/下载这两个安装包，耗时10秒。
然后本地安装：
首先移动到安装包路径： f:
然后本地安装：
conda install --use-local pytorch-1.5.0-py3.7_cuda101_cudnn7_0.tar.bz2
conda install --use-local pytorch-1.5.0-py3.7_cuda101_cudnn7_0.tar.bz2
成功！
测试torch.cuda.is_available()， 返回True
torch.cuda.device_count()， 返回1
成功了！！

---

• pip批量导出包含环境中所有组件的requirements.txt文件

pip freeze > requirements.txt

• pip批量安装requirements.txt文件中包含的组件依赖

pip install -r requirements.txt

• conda批量导出包含环境中所有组件的requirements.txt文件

conda list -e > requirements.txt

• conda批量安装requirements.txt文件中包含的组件依赖

conda install --yes --file requirements.txt