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 /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
• 更新包：conda update
• 删除包：conda remove
• 查看已安装的包：conda list
• 查看可以安装的版本：conda search --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 "", line 1, in    File "/data2/anaconda3/envs/python3_10/lib/python3.10/site-packages/torch/__init__.py", line 239, in      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。

参考资料

• pytorch官网安装指导
• cuda toolkit安装