【深度学习】代码复现基础--conda环境配置（pytorch）

0.需求

做实验阶段经常需要复现代码，要从github上把代码克隆下来，然后按照里头的readme文件配置环境【主要是pytorch】。电脑本身已经装好了Anaconda和开发工具，这个过程其实很简单，只是一些语句，但具体细节经常会忘，每次又要反复查，网上查着又都是从0开始的，且很多为比较旧的教程，因此写个文章记录一下配置环境的一些过程，方便之后做实验搭环境。

1.搭环境之前

• 电脑支持cuda并且已经安装过cuda以及cudnn等
• 电脑已经安装并配置好anaconda环境

阅读github上的readme部分的环境需求，然后一条一条开装

2.CUDA = 11.1

不包在conda环境里，本身也不是通过conda安装的。如果之前用GPU跑过深度学习的代码，那就是已经装过了，可以在终端用以下指令查一下版本，CUDA版本向下兼容。

nvcc -V

 我往常一直是使用nvidia-smi查的版本，后来才发现两个版本查出来不一致，nvidia-smi的会比较高一些，具体原因这篇文章里有写，结论是应当以上面的nvcc为准。但是目前还没有踩过这类的坑，代码一直也都能跑。

【CUDA】nvcc和nvidia-smi显示的版本不一致？ - 简书 (jianshu.com)

3.Python = 3.9

先创一个conda环境，并安装相应版本的python。env_name是自定义的环境名字

conda create -n env_name python=3.9

此时创建好了一个conda环境，同时环境里也安装好了3.9版本的python。查看环境列表确认conda环境是否安装创建成功：

conda env list

并激活该conda环境：

conda activate env_name

【一些报错】UnavailableInvalidChannel: The channel is not accessible or is invalid.
之前配置的镜像源无效了。有类似问题可以考虑一下换镜像源，比如这篇文章的：conda Collecting package metadata (repodata.json)卡住或 failed问题_collecting package metadata (repodata.json):-CSDN博客

4.Pytorch = 1.8.0

需要找到与CUDA版本(这里是11.1)兼容的PyTorch版本，访问官方网址Previous PyTorch Versions | PyTorch。找到1.8.0版本，对应到CUDA版本，获取安装命令：

如果要使用pip安装， 该网页上也有相应指令，往下划就能看到

conda和pip二选一， 看具体情况。
安装一般很慢，因为从官网进行下载的，而且容易超时报错。清华源好像也没有相关版本，推的都是cpu版本。所以如果实在没办法可以通过手动下载whl文件，再手动安装，在这里download.pytorch.org/whl/torch_stable.html找到指定版本下载，安装过程可以参考这篇文章【2024最新】下载cuda版本的pytorch库时清华源不可用的问题(已解决)_pytorch_yyg_ds-西安城市开发者社区 (csdn.net)

【一些服务器连接tips】如果宁愿花时间不想花精力，在确保网络通常的情况下，可以就去吃顿饭溜达一下，回来就装好了。我是通过ssh连接的服务器，在服务器上装，经常断连，随之进程也会被挂起，安装被中断了，重新连接后还得重新安装。
这种情况可以使用screen会话。screen会话会在后台运行，即使断开了 SSH 连接，会话中的进程仍然会继续运行。重新连接时，也可以重新连接到会话。具体操作可以看以下这篇文章：
screen简单使用-CSDN博客

安装完毕后，确认一下环境内的已安装包里是否包含pytorch这些。包含这三个库，就没问题了。

conda list

我是用pip安装的，在检查list的时候发现装完pytorch之后，pip又自己默认装了2.0.2版本的numpy。在某些情况下，如果环境中已经通过pip安装了某个包，conda可能会检测到它并将其添加到列表中，但不会尝试替换它。因为后面显式要安装numpy1.21.2，于是将这个pip装的numpy卸载。

pip uninstall numpy

虽然pip提供了灵活的安装方式，但它可能不会解决所有依赖性问题，尤其是在涉及复杂环境和多个库时。所以推荐在可能的情况下优先使用conda来安装和管理包，以减少版本冲突和环境问题。

5.sklearn = 1.0.1、numpy = 1.21.2

这一类特定版本的普通库，语法都差不多。

conda install scikit-learn=1.0.1

conda install numpy=1.21.2

6.核对、测试

conda list检查一下：

主要还是pytorch部分，因此进入python运行一下：

import torch
torch.cuda.is_available()

返回true，则安装成功