【精选】Conda创建虚拟环境并安装Pytorch

本文主要针对在Anaconda3中创建虚拟环境并安装Pytorch学习框架，Ubuntu和Windows下操作基本一致。

在终端下，创建环境的命令是

可以根据自己需要修改 例如要创建基于python_3.8的1.7版本的pytorch 输入y按下enter确认开始下载安装。 终端提示上述信息说明虚拟环境创建成功。

虚拟环境创建完成之后，终端输入以下命令即可激活虚拟环境。

退出当前虚拟环境命令如下。

运行效果如图： 如果需要切换虚拟环境，建议先退出当前虚拟环境，再进入需要切换到的环境。 否则就会像下图我尝试的这样，发生虚拟环境的嵌套，容易误操作。 此外，还可以用"conda info -e"和"conda env list"来查看当前已经安装的虚拟环境信息及位置。

运行效果如图：

激活环境之后，就可以在环境中安装pytorch框架。 进入Pytorch官网点击install进行选择。 如上图，如果需要安装的是pytorch_1.7版本，可以直接选择系统、安装方式和CUDA版本，复制下方红色框中的命令到终端即可安装。 需要其他版本pytorch可以点击图中绿色框内的选项，查看pytorch的早期版本。 例如pytorch1.4，复制相应的命令到终端即可安装。

可根据需要修改安装版本，但需要提前查询兼容和版本对应关系。 另外安装的时候要将命令后的-c pytorch删除，从国内源进行下载，速度快一些。

注意：目前发现删除-c pytorch之后conda无法找到torchvision0.5.0，安装时可删除“torchvision==0.5.0”，待框架安装完毕在自己创建的虚拟环境下用pip安装即可。 conda安装pytorch可以直接复制命令到终端执行。 以下以pytorch_1.7、CUDA11.0为例。 查看conda找到将要安装的包是否是要进行安装的，如果是，输入y之后enter确认进行下载； 如果不是，就需要重新检查安装pytorch的命令。

终端提示上述信息说明pytorch框架安装成功。

在自己创建的虚拟环境中，依次执行以下代码进行验证：

如下图提示True说明框架配置成功，且GPU可用。

如果工作站已经配置好了某一环境，但出于互不干扰的考虑，需要另外创建一个各软件、库均相同的版本，可以直接利用conda的复制命令。

例如我想复制xwb创建的python3.6和pytorch1.4的虚拟环境，可以直接在终端输入

进行虚拟环境的复制。 注意：复制环境时一定要提前更改名字，以免导致环境错乱。 复制完成之后激活进入使用。 需要注意的是conda复制时只会将原来环境中用conda install等命令安装的包进行复制，不能够复制pip等命令安装的包和软件。

如果想要导出配置好的虚拟环境，并在另外一台设备上进行虚拟环境的复现。 可以激活进入需要导出复现的虚拟环境，然后在终端执行

导出已有环境。 执行后会在根目录生成一个environment.yaml的文件。 复制该文件到另外一台设备的根目录，在终端执行“conda env create -f environment.yaml”命令即可复现虚拟环境。 注意：以上复现虚拟环境是我在win10中进行的尝试，不同操作系统的设备不能相互复现。

而如果觉得某一个虚拟环境多余，就可以直接对其进行删除操作（不可逆，请谨慎操作）

每一个虚拟环境都需要安装jupyter notebook。

终端提示上述信息说明juputer notebook安装成功。

在利用Xshell或者VSCode远程连接工作站之后，Xshell和VSCode的界面显示分别如下：

此时如果要使用jupyter notebook调试程序，需要先激活进入到自己的环境，并进入自己的文件夹下，以确保jupyter的根目录是自己的文件夹。之后再启动jupyter即可。

注意：一定要激活进入到自己的虚拟环境之后再进行包的安装等操作。