阅读量:0
1. 安装conda
官网安装地址：https://docs.anaconda.com/anaconda/install/linux/
下载Installer
curl -O https://repo.anaconda.com/archive/Anaconda3-2024.06-1-Linux-x86_64.sh 注：可以到这里查看和选择适合的版本：https://repo.anaconda.com/archive/
注：如果遇到curl: (60) SSL certificate problem: certificate has expired，可以加上
-k选项来忽略SSL证书检查。
执行安装：
bash ~/Downloads/Anaconda3-2024.06-1-Linux-x86_64.sh 一路按enter, 中间会提示查看和同意license。
选择自己的安装目录
手动初始化conda环境：
source <PATH_TO_CONDA>/bin/activate conda init 执行完毕后conda会提示“Thank you for installing Anaconda3!”表示安装完成。
配置每次打开shell时，是否有默认的环境：
# The base environment is activated by default conda config --set auto_activate_base True # The base environment is not activated by default conda config --set auto_activate_base False 如果配置为true，则每次打开终端会自动进入base环境。
2. 环境管理
2.1 配置镜像源
为了加速 conda 包的下载速度，你可以配置国内的镜像源（如清华大学的镜像源），编辑 ~/.condarc 文件：
channels: - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/ - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/ - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r/ - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2/ show_channel_urls: true 重新加载conda配置：conda clean -i
2.2 创建环境
先查看目前有哪些环境
# 或conda info --envs conda env list 
由于是刚安装的conda，所以只有base一个环境。
注：环境可以认为是python全部库的复制。
创建python环境：
- myenv： 环境的名称
- X.X：希望安装的Python版本号
为什么要创建新的环境？每个库都有不同的版本，每个版本都有不同的依赖关系，如果多个项目的python环境混用，很快就会陷入各种库的依赖冲突的泥潭中。
conda create --name myenv python=X.X # 或者：conda create --name myenv python=X.X anaconda 如果带anaconda后缀，将复制完整的anaconda软件包，大概900多M。
如果不带anaconda后缀，将只复制python环境。
2.3 环境激活
激活环境
conda activate myenv 在新版本的conda中（从4.6开始），source activate和deactivate命令被标记为弃用。
退出当前环境：要从当前激活的环境中退出，你可以使用：
conda deactivate 但是每次进来都要手动激活环境很麻烦，可以通过修改用户的shell配置文件来实现自动激活虚拟环境。
shell的默认配置文件是 ~/.bashrc（或 ~/.bash_profile），打开并在文件最后输入激活指定环境的命令。
conda activate myenv 
保存后，后续每次打开ssh窗口，就会自动激活指定的虚拟环境。
3. 包管理
3.1 常用的包管理命令
- 安装包：
conda install <package_name> - 更新包：
conda update <package_name> - 删除包：
conda remove <package_name> - 查看已安装的包：
conda list <package_name> - 查看可以安装的版本：
conda search <package_name> --info
3.2 安装pytorch
这里有个误区，如果直接执行conda install pytorch 来安装pytorch，它默认安装的是cpu版本的pytorch。
此时，如果在pytorch中使用cuda时，会报如下 错误：
import torch tensor = torch.Tensor(3, 5).to('cuda') tensor --------------------------------------------------------------------------- AssertionError Traceback (most recent call last) Cell In[6], line 3 1 import torch ----> 3 tensor = torch.Tensor(3, 5).to('cuda') 4 tensor File /data2/anaconda3/envs/anti-fraud/lib/python3.12/site-packages/torch/cuda/__init__.py:284, in _lazy_init() 279 raise RuntimeError( 280 "Cannot re-initialize CUDA in forked subprocess. To use CUDA with " 281 "multiprocessing, you must use the 'spawn' start method" 282 ) 283 if not hasattr(torch._C, "_cuda_getDeviceCount"): --> 284 raise AssertionError("Torch not compiled with CUDA enabled") 285 if _cudart is None: 286 raise AssertionError( 287 "libcudart functions unavailable. It looks like you have a broken build?" 288 ) AssertionError: Torch not compiled with CUDA enabled 即使不甘心，用torch.cuda.is_available()来检测，仍然是False。
import torch torch.cuda.is_available() > False 正确的安装方式是要安装与你机器上cuda兼容的pytorch版本。先确认本地的cuda版本：
nvcc --version 如果没有安装cuda驱动或需要更新驱动，可以到nvidia官网下载：https://www.nvidia.com/download/index.aspx?lang=cn
nvcc: NVIDIA (R) Cuda compiler driver Copyright (c) 2005-2022 NVIDIA Corporation Built on Mon_Oct_24_19:12:58_PDT_2022 Cuda compilation tools, release 12.0, V12.0.76 Build cuda_12.0.r12.0/compiler.31968024_0 然后去pytorch官网选择适合自己环境的pytorch版本：
pytorch官网地址：https://pytorch.org/
注：上面nvcc命令查到的cuda版本是12.0，但pytorch官网没有提供cuda 12.0的可选择版本，保险起见，选择了低于12.0的11.8作为兼容版本安装。
选择好后，会自动生成上面红框中的安装命令，再返回自己的机器上执行安装：
conda install pytorch torchvision torchaudio pytorch-cuda=11.8 -c pytorch -c nvidia 安装进度如下图所示，要安装的包很多，需要很长时间等待。
安装完后，验证安装结果：
import torch tensor = torch.Tensor(3, 5).to('cuda') torch.cuda.is_available(), tensor (True, tensor([[4.2039e-45, 4.2039e-45, 1.2612e-44, 2.9427e-44, 0.0000e+00], [0.0000e+00, 0.0000e+00, 1.4013e-43, 0.0000e+00, 4.2039e-45], [4.2039e-45, 3.0829e-44, 3.2230e-44, 0.0000e+00, 0.0000e+00]], device='cuda:0')) 3.3 关于conda和pip
在安装python包时，初学者可能会有一个疑问，一个包即可以用conda安装，也可以用pip来安装。那如果先后用conda 和pip 都执行了pytorch的安装（如下命令），最终结果是什么呢？
$ conda install pytorch $ pip install torch 最终会发生替换，因为不论用哪种方式安装，最终都是安装到了python环境的 site-packages 目录，，后安装的包会覆盖先前安装的包。
附：环境错误收集
错误1：引入pytorch时报import error
>>> import torch Traceback (most recent call last): File "<stdin>", line 1, in <module> File "/data2/anaconda3/envs/python3_10/lib/python3.10/site-packages/torch/__init__.py", line 239, in <module> from torch._C import * # noqa: F403 ImportError: /data2/anaconda3/envs/python3_10/lib/python3.10/site-packages/torch/lib/../../nvidia/cusparse/lib/libcusparse.so.12: symbol __nvJitLinkAddData_12_1 version libnvJitLink.so.12 not defined in file libnvJitLink.so.12 with link time reference 原因：pytorch与CUDA库版本不匹配导致，因为起先选择了cuda12.1(大于12.0)版本的pytorch，安装完后与本地的cuda12.0不匹配。
解法：重新选择了cuda11.8版本的pytorch。
