https://blog.csdn.net/lonelyorvulgar/article/details/132590294

0 前言

在运行python代码时，不同的项目有着不同的python包配置，在同一个环境中运行不同的项目会发生版本冲突，导致一些python包的卸载再安装，这样很麻烦。conda中的虚拟环境可以很好的解决这个问题。针对不同项目创建不同的虚拟环境，可以有效对不同的python项目进行调试运行。

本文介绍linux中如何创建，激活，安装，删除python项目的conda虚拟环境，并记录了怎么安装正确版本的深度学习框架pytorch。进行这些操作的前提是要在linux上安装miniconda，如博客在linux上安装一个最新版本的miniconda_linux miniconda latest wget_sheoguo的博客-CSDN博客所示。

1.创建新的conda环境

创建新的conda环境前首先要来到conda的base环境中

之后根据你所需的项目的python版本创建新的环境,输入如下脚本，表示创建一个python版本为3.8的，环境名为wordfre的conda新环境。这里建议根据项目名称给环境起名，方便记忆。

conda create -n yololite python=3.8

回车之后，会显示这个环境基本python工具包的安装，输入y 然后回车 ，表示同意安装，之后等待这些python包的下载。



下载完成后，会出现以下提示，提升我们怎么激活和退出这个环境。

以上表示这个环境创建成功，接下来输入以下指令，查看我们所创建的所有conda虚拟环境

conda env list

也可以用以下指令查看所有的虚拟环境：

conda info -e

回车后，我们可以看到创建的环境wordfre位列其中

2.激活conda环境

当创建好conda环境后，输入以下指令进行激活，表明进入到这个环境

conda activate wordfre

回车后发现已经进入wordfre环境

对于这个环境所跑的项目的所需的其他python包都需要在这个环境中进行下载



在运行此环境对应的python项目时，都需要激活这个环境，再运行

3.退出conda环境

在这个环境的python项目跑完后，就可退出这个环境

输入如下指令然后回车就可退出：

conda deactivate

4.删除conda环境

当我们不需要这个环境时，或者这个环境的项目不需要需要运行时，可以将这个环境删除。来节省空间。

输入以下指令回车后，便可删除，前提是一定要退出当前环境，回到base环境。

conda remove -n wordfre --all

5. 安装正确版本的pytorch

在跑深度学习程序时，需要用到深度学习框架pytorch，安装正确版本的pytorch对深度学习代码的成功运行起着决定性作用。安装正确版本的pytorch需要考虑两个因素，一个是服务器上GPU的CUDA版本，另一个就是深度学习程序要求的pytorch版本。前提是linux上安装了GPU驱动。

首先查看服务器GPU的CUDA版本，输入以下指令进行查看：

nvidia-smi

回车后出现如下界面，红框部分显示了linux上的cuda版本：

之后打开pytorch官方网站：Previous PyTorch Versions | PyTorch

https://pytorch.org/get-started/previous-versions/

网站页面会有不同版本cuda对应的不同版本pytorch的安装指令，有在linux环境下安装的有在Windows或OXS系统下安装的指令。有用conda指令进行安装也有用pip指令安装，本人常在这个深度学习代码的conda环境下，用pip安装方法，利用在cuda11.7版本上安装1.13.0版本的pytorch，只需要在以上官方页面上找对应的指令。

将指令复制到linux，回车便可进行对应版本pytorch的下载，但是有很多深度学习代码年代比较久远，较早版本的pytorch对应的cuda版本也比较早，如果你的服务器的cuda系统已经更新，一些代码就跑不了了，因为现有的cuda版本与pytorch版本不适配。