【保姆级教程：Ubuntu配置深度学习环境（2）PyTorch环境创建——B站视频同步】

B站同步视频教程：https://www.bilibili.com/video/BV1FdBWYMEkv/?vd_source=8674c2830af7e7d16f6ff15e37d0751e

1. conda环境创建

1.1 创建环境

conda create -n py39torch2.4.1 python=3.9  

conda：这是命令行工具的名称，用于安装和管理Python环境和包。
create：这是conda的子命令，用于创建一个新的环境。
-n：代表“name”，用于指定新创建的环境的名称。通常，环境的命名反映了该环境中安装的主要软件版本，这里指的是Python 3.9和PyTorch 2.4.1。
python=3.9：这部分指定了环境中要安装的Python版本。在这个例子中，它指定了Python 3.9。

1.2 设置默认启动环境

完成环境创建后，可以将py39torch2.4.1 设置为每次进入bash自动激活的环境，就像每次都会激活base环境一样，可以省去每次手动切换环境。具体通过设置环境变量实现：

首先使用 Vim 文本编辑器打开.bashrc文件

vim ~/.bashrc

在.bashrc文件末尾添加以下内容，然后保存退出（输入 ·:wq ，然后按 Enter 键）

conda activate py39torch2.4.1 

执行下述命令重新加载配置，使得对.bashrc的修改生效

source ~/.bashrc

2. 安装Pytorch&Torchvision

2.1 GPU版本安装

【说明】：gpu版本的pytorch已经集成了所需的cuda，因此本地可以不安装cuda。但若后续需要编译cuda编写的算子，则pytorch的cuda版本需要与本地cuda一致。

2.1.1 直接安装

前往pytorch官网，安装合适的版本。需要注意的是"如果conda方式安装的是cpu版本的torch"，则选用pip方式安装。

# pip 方式
pip install torch==2.4.1 torchvision==0.19.1 --index-url https://download.pytorch.org/whl/cu118

# codna 方式
conda install pytorch==2.4.1 torchvision==0.19.1 pytorch-cuda=11.8 -c pytorch -c nvidia

若直接安装时下载不了或者速度感人，则采用曲线救国安装，将体积大下载or易中断的包先下载到本地，再上传服务器。

2.1.2 曲线救国方式安装

（1）对于pip方式安装，直接直接前往https://download.pytorch.org/whl/cu118/，用迅雷下载.whl包后上传服务器安装：

• torch-2.4.1+cu118-cp39-cp39-linux_x86_64.whl
• torchvision-0.19.1+cu118-cp39-cp39-linux_x86_64.whl

cd <.whl包所在目录>
pip install torch-2.4.1+cu118-cp39-cp39-linux_x86_64.whl torchvision-0.19.1+cu118-cp39-cp39-linux_x86_64.whl

（2）对于conda方式安装，较pip方式稍为麻烦，直接直接前往https://conda.anaconda.org/pytorch/linux-64/，用迅雷下载.tar.bz2包后上传服务器/home/wsy/anaconda3/pkgs/路径下，如果之前在终端下载过该包的缓存文件，则先删除该缓存文件再上传。

• pytorch-cuda-11.8-h7e8668a_6.tar.bz2
• torchvision-0.19.1-py39_cu118.tar.bz2

cd /home/wsy/anaconda3/pkgs/
conda install --use-local pytorch-2.4.1-py3.9_cuda11.8_cudnn9.1.0_0.tar.bz2
conda install --use-local torchvision-0.19.1-py39_cu118.tar.bz2

然后再执行原始安装命令，安装其他依赖

conda install pytorch==2.4.1 torchvision==0.19.1 pytorch-cuda=11.8 -c pytorch -c nvidia

2.1.3 验证

验证PyTorch 安装

python -c "import torch; import torchvision; print(torch.__version__); print(torchvision.__version__);  print(torch.cuda.is_available()); print(torch.version.cuda); print(torch.backends.cudnn.enabled); print(torch.backends.cudnn.version());"

也可以激活python环境，输入以下命令验证：

import torch
import torchvision

torch.__version__
torchvision.__version__
torch.cuda.is_available()		# 检查cuda是否可用
torch.version.cuda				# 查看Pytorch运行时使用的cuda版本
torch.backends.cudnn.enabled	# 查看cudnn是否可用
torch.backends.cudnn.version()  # 查看cudnn版本

2.2 CPU版本安装

2.2.1 安装

前往pytorch官网，安装合适的版本。

# codna 方式
conda install pytorch==2.4.1 torchvision==0.19.1  cpuonly -c pytorch

# pip 方式
pip install torch==2.4.1 torchvision==0.19.1  --index-url https://download.pytorch.org/whl/cpu

2.2.2 验证

python -c "import torch; import torchvision; print(torch.__version__); print(torchvision.__version__); "