Anaconda及pytorch详细安装及使用教程

Anaconda的介绍

Anaconda指的是一个开源的Python发行版本，其包含了conda、Python等180多个科学包及其依赖项。 因为包含了大量的科学包，Anaconda 的下载文件比较大（约 531 MB），如果只需要某些包，或者需要节省带宽或存储空间，也可以使用Miniconda这个较小的发行版（仅包含conda和 Python）。 

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

Anaconda包括Conda、Python以及一大堆安装好的工具包，比如：numpy、pandas等

Miniconda包括Conda、Python

Anaconda下载

Anaconda 是跨平台的，有 Windows、macOS、Linux 版本，我们这里以 Windows 版本为例。

下载地址：Anaconda | Individual Edition

我这里选择下载Anaconda3-2021.05-Windows-x86_64.exe，适配于Python3.8。

安装过程比较简单，就不赘述，注意不需要添加环境变量。

管理虚拟环境

        anaconda可以根据不同的项目要求配置独立的python环境，在anaconda prompt命令行输入conda env list可以查看目前所有环境以及当前所在环境，默认是base或root。

        在开始项目前，我们需要使用如下指令（二选一即可）先新建一个环境。

conda  create -n pytorch  python=3.8
conda  create  --name  pytorch  python=3.8 

        于是我们就有了一个pytorch的虚拟环境, 接下来我们切换到这个环境, 用activae命令,后面加上要切换的环境名称

activate pytorch

        现在的pytorch环境除了python自带的一些官方包之外是没有其他包的, 项目需要我们可能会要安装一些第三方包，后面会说怎么操作。

卸载环境 

conda remove --name test --all

换源

有时默认源下载太慢，可以换成其他镜像。

anaconda换源

在anaconda prompt输入以下命令在C:\Users\用户名文件夹下生成.condarc文件

conda config --set show_channel_urls yes

用记事本打开并修改成如下形式即可

channels:
  - https://mirrors.ustc.edu.cn/anaconda/cloud/menpo/
  - https://mirrors.ustc.edu.cn/anaconda/cloud/bioconda/
  - https://mirrors.ustc.edu.cn/anaconda/cloud/msys2/
  - https://mirrors.ustc.edu.cn/anaconda/cloud/conda-forge/
  - https://mirrors.ustc.edu.cn/anaconda/pkgs/free/
  - https://mirrors.ustc.edu.cn/anaconda/pkgs/main/
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
 
show_channel_urls: true

pip换源

        在C:\Users\用户名文件夹下新建pip文件夹。

        在pip文件夹中新建一个名为pip.txt的文件。

        打开pip.txt，输入以下内容

[global]
	index-url = https://pypi.tuna.tsinghua.edu.cn/simple
[install]
    trusted-host=mirrors.aliyun.com

        关闭文件，并把后缀改成ini

关于第三方包

下载第三方包

这边提供两个网址

清华大学开源软件镜像站

pytorch下载网址

安装第三方包

1、使用conda或pip在线安装

        输入conda install requests或者pip install requests来安装requests包。

        使用conda list或者pip list可以查看是否安装成功。

2、使用离线包安装

        下载.whl或.tar.bz2后缀的离线包

        .whl离线包放入C:\Users\用户名\AppData\Local\conda\conda\env\刚刚新建的环境名\Scripts文件夹中，并在anaconda prompt命令行中进入该文件夹，输入以下命令安装。

pip install 安装包.whl

        .tar.bz2离线包放入C:\ProgramData\Anaconda3\pkgs文件夹下，打开anaconda prompt命令行，激活需要安装的环境，输入以下命令安装。

conda install --use-local 安装包.tar.bz2

卸载第三方包 

conda remove requests

或者

pip uninstall requests

查看环境包信息

要查看当前环境中所有安装了的包可以用

conda list

导入导出环境
如果想要导出当前环境的包信息可以用

conda env export > environment.yaml

将包信息存入yaml文件中.

当需要重新创建一个相同的虚拟环境时可以用

conda env create -f environment.yaml

其实命令很简单对不对, 我把一些常用的在下面给出来, 相信自己多打两次就能记住

activate // 切换到base环境

activate learn // 切换到learn环境

conda create -n learn python=3 // 创建一个名为learn的环境并指定python版本为3(的最新版本)

conda env list // 列出conda管理的所有环境

conda list // 列出当前环境的所有包

conda install requests 安装requests包

conda remove requests 卸载requets包

conda remove -n learn --all // 删除learn环境及下属所有包

conda update requests 更新requests包

conda env export > environment.yaml // 导出当前环境的包信息

conda env create -f environment.yaml // 用配置文件创建新的虚拟环境

深入一下

或许你会觉得奇怪为啥anaconda能做这些事, 他的原理到底是什么, 我们来看看anaconda的安装目录

        其实这里就是base环境，里面有着一个基本的python解释器，Lib里面也有base环境下的各种包文件。

        那我们自己创建的环境去哪了呢, 我们可以看见一个envs, 这里就是我们自己创建的各种虚拟环境的入口, 点进去看看。

        可以发现我们之前创建的learn目录就在下面, 再点进去。

        这不就是一个标准的python环境目录吗?

        这么一看, anaconda所谓的创建虚拟环境其实就是安装了一个真实的python环境, 只不过我们可以通过activate,conda等命令去随意的切换我们当前的python环境, 用不同版本的解释器和不同的包环境去运行python脚本。

与JetBrains PyCharm 连接

        在工作环境中我们会集成开发环境去编码, 这里推荐JB公司的PyCharm, 而PyCharm也能很方便的和anaconda的虚拟环境结合

        在Setting => Project => Project Interpreter 里面修改 Project Interpreter , 点击齿轮标志再点击Add Local为你某个环境的python.exe解释器就行了

        比如你要在pytorch环境中编写程序, 那么就修改为C:\Users\用户名\AppData\Local\conda\conda\envs\pytorch, 可以看到这时候下面的依赖包也变成了pytorch环境中的包了.接下来我们就可以在pycharm中愉快的编码了。

Jupyter notebook 

        基于web的交互式计算环境，可以编辑易于人们阅读的文档，用于展示数据分析的过程。

        安装anaconda的同时，这个软件就已经装好了，但是是在base环境下的，想要在其他环境下也使用它，需要通过如下指令安装

conda install nb_conda

pytorch安装

        在任务管理器中确定显卡是否为英伟达。

        或者在windows命令行输入nvidia-smi可以查看显卡版本。

        博主最近在做图像相关项目，如果有其他相关需要的小伙伴建议安装的库及版本如下，只是个人建议可以自行根据需要选择。

Anaconda3-2021.05-Windows-x86_64.exe
python3.8
cuda_10.2.89_441.22_win10
cuda补丁：cuda_10.2.1_win10.exe
         cuda_10.2.2_win10.exe
cudnn-7.6.5-cuda10.2_0.tar.bz2

torch-1.6.0-cp38-cp38-win_amd64.whl
torchvision-0.7.0-cp38-cp38-win_amd64.whl

Pillow-8.3.1-1-cp38-cp38-win_amd64.whl

opencv-4.0.1-py38h2a7c758_0.tar.bz2

        安装完成后可以在anaconda prompt中打开python输入以下指令验证安装情况

import torch
torch.__version__	# 查看pytorch版本
torch.cuda.is_available()	# 判断pytorch是否支持GPU加速
torch.version.cuda	# 查看CUDA版本
torch.backends.cudnn.version()	# 查看cuDNN版本
torch.cuda.get_device_name(0)	# 查看显卡类型

参考链接Anaconda详细安装及使用教程（带图文）_代码帮-CSDN博客