Anaconda 安装和换源，CUDA+Pytorch

                                      记录一些学习。

一、Anaconda 安装

1.1、下载方法

anaconda官网

清华大学开源软件镜像站

Miniconda 是一个 Anaconda 的轻量级替代，默认只包含了 python 和 conda，但是可以通过 pip 和 conda 来安装所需要的包。
Miniconda 安装包可以到 https://mirrors.bfsu.edu.cn/anaconda/miniconda/ 下载

1.2、一些使用帮助

Anaconda 仓库与第三方源（conda-forge、msys2、pytorch等，查看完整列表，更多第三方源可以前往校园网联合镜像站查看）的镜像，各系统都可以通过修改用户目录下的 .condarc 文件来使用 TUNA 镜像源。Windows 用户无法直接创建名为 .condarc 的文件，可先执行 conda config --set show_channel_urls yes 生成该文件之后再修改

1.3、安装方法

二、conda 的基本使用命令

2.1、conda 的初始化

conda init

2.2、conda 创建虚拟环境、

conda create -n env_name python=3.x

2.3、conda 列出所有虚拟环境

conda env list
conda info --envs

2.4、conda 激活虚拟环境

conda activate env_name

2.5、退出虚拟环境

conda deactivate 

2.6、conda 删除虚拟环境

conda env remove --name env_name

如果当初创建虚拟环境时指定了路径，那么可以执行如下命令将其删除（必须写上完整路径）：

conda remove --prefix=E:\dev\AnacondaEnv\mytorch --all

三、conda 换源

3.1、查看anaconda的已经存在源

win+R打开命令行，如果无法打开，可以通过Windows下安装好后在开始菜单打开 Anaconda prompt 输入命令

conda config --show channels

3.2、添加清华大学镜像源

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/r
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch

各系统都可以通过修改用户目录下的 .condarc 文件。Windows 用户无法直接创建名为 .condarc 的文件，可先执行 conda config --set show_channel_urls yes 生成该文件之后再修改

3.3、设置搜索时显示的通道地址

 conda config --set show_channel_urls yes

3.4 、删除已存在的镜像源

conda config --remove-key channels

3.5、临时换源

第一种是临时换源，第二种是永久换源。
临时换源的话，Linux和Windows做法一致

pip install xxx(包名) -i https://pypi.doubanio.com/simple

四、安装CUDA+CUDNN

使用 PyTorch 训练深度学习模型的时候，首先调用的是 PyTorch 提供的 API，然后又去调用 CUDA Runtime API，接着又去调用底层的 CUDA Driver API，从而利用显卡完成复杂的计算。因此，必须保证 CUDA Runtime 版本不能高于 CUDA Driver 版本

4.1、查看电脑

win + R 输入 cmd，在命令行窗口中输入 nvidia-smi，如下图所示，可以看到显卡驱动版本是 457.49，CUDA Driver 版本是 111.1，CUDA Driver 版本指的是显卡驱动支持的最高 CUDA Runtime 版本，也就是说，要安装的 CUDA Runtime 版本不能高于 12.0（这个要看你安装的版本）

4.2、根据显卡的算力和架构确定 CUDA Runtime 版本

在英伟达官网查看版本 https://developer.nvidia.com/cuda-gpus
查看显卡的算力、架构、及其所支持的 CUDA Runtime 版本：https://en.wikipedia.org/wiki/CUDA

4.3、Pytorch安装

PyTorch 官网提供的最新版本：https://pytorch.org/get-started/locally/
PyTorch 官网提供的之前版本：https://pytorch.org/get-started/previous-versions/
综合考虑显卡的算力、架构、CUDA Driver 版本，最终决定安装 PyTorch1.9 + CUDA10.2，在官网找到的安装命令如下：

# CUDA 10.2
conda install pytorch==1.9.0 torchvision==0.10.0 torchaudio==0.9.0 cudatoolkit=10.2 -c pytorch

参考链接

参考链接

参考链接