Pytorch环境深度学习环境

1、安装minicoda

下载地址：Miniconda — miniconda documentation

设置环境变量：

安装路径\Miniconda3 

安装路径\Miniconda3\Scripts

安装路径\Miniconda3\Library\bin 

测试：打开cmd，输入conda测试指令是否有效。

2、配置base环境国内镜像

（1）conda镜像

    conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
    conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
    conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
    conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/bioconda/
    conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
    conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/fastai/
    #设置搜索时显示通道地址
    conda config --set show_channel_urls yes

（2）pip镜像

# 永久使用
pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple
# 临时使用
pip install package -i https://pypi.tuna.tsinghua.edu.cn/simple

注：base环境配置以后，其实就是全局环境都应用了上述源，新创建的虚拟环境的pip指令、conda指令也都使用上述源地址。可以通过查看源配置指令在新创建的虚拟环境进行查看：

#conda查看镜像配置
conda config --show-sources

# 查看镜像
pip3 config list

3、创建虚拟环境

# 查看当前存在哪些虚拟环境
conda env list

# 创建conda环境
conda create -n env_name python=3.8

# 包含特定包（如numpy，scipy）的环镜
conda create --name env_name python=3.8 numpy pandas jupyter

# 激活虚拟环境
conda activate env_name

# 退出虚拟环境
conda deactivate env_name

4、安装包

（1）conda

# 查看包
conda list
# 查询包
conda search package_name
# 安装包
conda install package_name
# 安装对应版本的包
conda install package_name=2.2.0
# 更新包
conda update package_name
# 删除包
conda remove package_name

（2）pip

# 查看已安装的包
pip list

# 输出指定包package的详细信息
pip show package
# 安装包
pip install SomePackage              # 最新版本
pip install SomePackage==1.0.4       # 指定版本
pip install 'SomePackage>=1.0.4'     # 最小版本

# 删除包
pip uninstall package
# pip检查哪些包需要更新
pip list --outdated
# pip升级包
pip install --upgrade package

5、Pytorch环境安装

官网：Start Locally | PyTorch

cuda版本：

（1）widows

NVIDIA控制面板 -> 系统信息 -> 组件 -> NVCUDA.DLL一栏查看版本号

（2）Linux

指令：nvidia-smi（实时监控：watch -n 1 nvidia-smi）

安装对应cuda版本的pytorch，个人经验表示：一般的使用pip安装成功率和下载速率更好。如果自己系统的cuda版本太高，pytorch官方平台没有对应版本的torch，可以选择当前支持cuda版本最高的版本，一般的cuda都会向下兼容，但是太低的版本可能不行（亲测：12.0cuda安装11.7以下的版本torch后续会有很多问题，尽量做到cuda和torch匹配，否则选取最高版本的torch）。

本系统windows平台CUDA12.07安装pytorch2.0.0版本指令：

pip install torch==2.0.0+cu118 torchvision==0.15.1+cu118 torchaudio==2.0.1 --index-url https://download.pytorch.org/whl/cu118

附录

1、配置conda清华源

	conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
    conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
    conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
    conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/bioconda/
    conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
    conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/fastai/
    #设置搜索时显示通道地址
    conda config --set show_channel_urls yes
    
    # 删除某镜像
    conda config --remove channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/

2、配置pip镜像源

# 查看镜像
pip3 config list
# 配置全局镜像（清华源）
pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple

# 其他
# 阿里云
http://mirrors.aliyun.com/pypi/simple/
# 中国科技大学
https://pypi.mirrors.ustc.edu.cn/simple/
# 豆瓣
https://pypi.douban.com/simple/
# 修改源
pip config set global.index-url 上述源地址

3、conda相关操作

# conda查看镜像配置
conda config --show
    
#conda查看镜像源配置
conda config --show-sources

#conda删除镜像
conda config --remove channels https://mirrors.tuna.tsinghua.edu.cn/tensorflow/linux/cpu/

#查看当前存在哪些虚拟环境
conda env list

#创建conda环境
conda create -n env_name python=3.8
    
#包含特定包（如numpy，scipy）的环镜
conda create --name env_name python=3.8 numpy pandas jupyter
    
#删除包
conda remove package_name

#激活虚拟环境
conda activate env_name

#退出虚拟环境
conda deactivate env_name

#删除conda环境
conda env remove --name your_env_name

#复制虚拟环境
conda create --name new_env_name --clone old_env_name

#conda获取版本号
conda --version
conda -V

#检查更新当前conda
conda update conda
        
#复制虚拟环境
conda create --name new_env_name --clone old_env_name

4、pip相关操作

# 查看已安装的包
pip list

# 输出指定包package的详细信息
pip show package

# 安装包
pip install SomePackage              # 最新版本
pip install SomePackage==1.0.4       # 指定版本
pip install 'SomePackage>=1.0.4'     # 最小版本

# 安装对应版本的包
pip install package=2.2.0

# 删除包
pip uninstall package

# pip检查哪些包需要更新
pip list --outdated

# pip升级包
pip install --upgrade package

# 显示版本
pip --version

# 升级版本
pip install -U pip

# 搜素包
pip search SomePackage

# 显示安装包信息
pip show 

# 指定包详细信息
pip show -f SomePackage

最后的最后

感谢你们的阅读和喜欢，我收藏了很多技术干货，可以共享给喜欢我文章的朋友们，如果你肯花时间沉下心去学习，它们一定能帮到你。

因为这个行业不同于其他行业，知识体系实在是过于庞大，知识更新也非常快。作为一个普通人，无法全部学完，所以我们在提升技术的时候，首先需要明确一个目标，然后制定好完整的计划，同时找到好的学习方法，这样才能更快的提升自己。

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】

一、全套AGI大模型学习路线

AI大模型时代的学习之旅：从基础到前沿，掌握人工智能的核心技能！

二、640套AI大模型报告合集

这套包含640份报告的合集，涵盖了AI大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师，还是对AI大模型感兴趣的爱好者，这套报告合集都将为您提供宝贵的信息和启示。

三、AI大模型经典PDF籍

随着人工智能技术的飞速发展，AI大模型已经成为了当今科技领域的一大热点。这些大型预训练模型，如GPT-3、BERT、XLNet等，以其强大的语言理解和生成能力，正在改变我们对人工智能的认识。 那以下这些PDF籍就是非常不错的学习资源。

四、AI大模型商业化落地方案

五、面试资料

我们学习AI大模型必然是想找到高薪的工作，下面这些面试题都是总结当前最新、最热、最高频的面试题，并且每道题都有详细的答案，面试前刷完这套面试题资料，小小offer，不在话下。

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】