Anaconda、Pytorch、Cuda、Python的安装教程以及相互关系
提醒：以下所有的安装都不要直接双击点开，而是右键选择“以管理员权限运行”
一、Anaconda 的安装
Anaconda相当于Linux中的Docker，作用就是创建独立的Python环境。你可以在A环境使用Python2.7版本，然后安装一堆要用的包，在B环境使用Python3.10版本，然后安装一堆要用的包，两个环境相互独立，随意切换使用。
由于Anaconda内置了大部分常见的Python版本，所以实际上安装了Anaconda后就不需要在电脑中另外安装Python了。
Anaconda安装方法如下：
- 由于官网速度慢，在清华镜像源下载最新的Anaconda https://repo.anaconda.com/archive/
- 在D盘创建一个PythonPrograms文件夹，后续要安装的都可以放在这个目录下，看起来比较整洁。
- 点击安装，选择All User，也就是给所有用户安装。
- 设置清华园镜像，设置方法在清华园内有 anaconda | 镜像站使用帮助 | 清华大学开源软件镜像站 | Tsinghua Open Source Mirror
- Anaconda的配置文件在C盘的用户目录下，名字是.condarc
Anaconda的使用方法：
安装好后会菜单里会出现很多图标，桌面上多一个名叫Anaconda Navigator (Anaconda3)的快捷方式，这个是图形化界面的Anaconda，点击打开，需要等一会。打开后默认有一个base(root)环境，这个是基础的环境。那么这个环境我们就不要动它了，使它保持原生态。在下面点击Create，然后选择需要的Python版本，起名方式建议如果使用Python3.7，那就叫“xxx_py37”，方便区分。创建好后，点击播放按钮，选择Open terminal，就可以启动命令行界面，愉快的进行操作了，比如说安装包，导入项目，运行python文件什么的。
设置Anaconda的虚拟环境安装目录到D盘：
如果不设置，每次创建新环境都默认安装在C:\Users\用户名\.conda\envs中，长久以来，占用C盘空间。网上许多教程中的方法是在.condarc文件中添加下面这段配置
envs_dirs:
- D:\PythonPrograms\Anaconda3\envs但你会发现加了也没用，它还是安装在C盘。
事实上，其实这个目录本就是Anaconda首选的安装目录，但是因为某种原因它没法安装到这个目录里，只能退而求其次安装在第二备选目录，也就是C盘的用户目录下，关于这点，可以输入conda -info指令查看到。
那问题出在哪儿呢，在base environment一项中，可以看到整个Anaconda3目录都被设置成了Read Only（只读）。当然我图里的是writable（可写入），因为我已经改过了。
解决方法是在Anaconda3目录右键，选择安全，选择User用户，给予修改权限，点确定，等待完成。
二、Pytorch的安装
PyTorch是一个由Facebook开源的Python机器学习库，它的一个竞争对手是Google开源的TensorFlow。总体上说，PyTorch更适合学术科研，TensorFlow更适用工业领域。
许多人有误解，以为安装Pytorch前需要安装CUDA。实际上Pytorch已经内置了CUDA，在安装界面的选择CUDA版本，也只是让你选择它内置的CUDA版本。即使你提前在电脑里安装了CUDA，它也只用自己内置的，你安不安装与它无干，望周知。
CUDA版本需要慎重选择，因为它和你电脑的驱动版本挂钩。可以在官网查看CUDA版本和驱动程序版本对照表：CUDA 12.1 Release Notes
建议是无脑把显卡驱动升到最高版本，基本可以达到CUDA最新版本的要求。
Start Locally | PyTorch
在安装之前，先在Anaconda中创建一个新环境，给它选择Python3.8，名字叫"Pytorch_py38"，然后打开命令行，然后在命令行中复制以上的安装指令。
当然鉴于国内网络大环境，直接这样安装速度很慢，两种方法：清华源镜像和挂代理。
我自己亲测清华源镜像有问题，会报错，所以直接挂代理，在.condarc文件中输入以下配置：
auto_activate_base: false
ssl_verify: true
proxy_servers:
http: http://127.0.0.1:7890
https: http://127.0.0.1:7890完成后输入下载Pytorch的命令，代理工具中可以看到，下载的流量主要来自于conda.anaconda.org和repo.anaconda.com这两个网址。
我自己遇到的问题：
全部下载完了以后，所有项目都100%了，但还是一直卡着不动。这种情况用ctrl+c中止掉当前的操作，然后它就好了。
测试Pytorch安装成功的方法：
借鉴的是知乎这位网友的方法https://zhuanlan.zhihu.com/p/105552156
也可以用下面这个项目来测试一下Pytorch和CUDA是否都可以正常使用
GitHub - BAI-Yeqi/PyTorch-VerificationContribute to BAI-Yeqi/PyTorch-Verification development by creating an account on GitHub.
https://github.com/BAI-Yeqi/PyTorch-Verification
三、Pycharm的安装
Pycharm是一个Python的IDE，是写代码，运行代码的工具。建议在公众号【软件管家】里下载，然后按它所给的步骤安装和激活。最后安装一下中文语言包的插件，以及设置代理。
四、Python的安装
正如前文所说，Anaconda中已经内置了几乎所有版本的python，所以无需在电脑的其他位置另装python。
五、CUDA的安装
正如前文所说，安装Pytorch的同时已经内置CUDA，所以也无需单独安装CUDA。
番外、cudnn是干嘛
cuDNN（CUDA Deep Neural Network library）：是NVIDIA打造的针对深度神经网络的加速库，是一个用于深层神经网络的GPU加速库。
补充、挂代理
上文在.condarc文件中配置的代理，仅对conda这个命令有效，对pip命令无效。而且开着代理软件（某C开头的五字软件）还会导致pip连接不上服务器。三种方法解决：
1.单次设置:（有效）
pip install pandas --proxy=http://127.0.0.1:78902.临时设置（重连后失效） 亲测无效，废弃
set http_proxy=http://127.0.0.1:7890 3.永久设置：( 创建配置文件) 过于复杂，见下面
# 在pip目录创建并编辑pip.ini（配置文件不存在时）
cd C:\Users\(你的用户名)
mkdir pip # 创建pip文件夹
cd pip # 进入pip路径目录下
cd.>pip.ini # 创建pip.ini文件
# 然后打开C:\Users(用户名)\pip\pip.ini，添加如下内容：
[global]
proxy=http://10.20.217.2:80803.永久设置：（感谢chatgpt提供的方法）
pip config set global.proxy http://127.0.0.1:7890/执行后会在这里生成一个配置文件：C:\Users\用户名\AppData\Roaming\pip\pip.ini
可以用pip config list命令查看刚写入的全局配置。