深度学习环境配置指南

1. Python包管理器 Miniconda

安装方式

以linux为例，

wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh
sh *.sh

换源帮助

查看设置的镜像

conda config --show-sources
pip config list

虚拟环境

不同的任务可能需要不同的Python package，为了防止冲突，创建虚拟环境分隔开。下面创建名字为pyg的虚拟环境，

conda create -n pyg python=3.8   # 创建
conda activate pyg  # 激活

其他命令

前提条件

根据操作系统和有无显卡，

无显卡，安装CPU版本
有显卡，查看显卡驱动版本，任何低于该版本的cuda版本都可以安装
```
nvidia-smi
```
使用该命令，会显示Driver Version和Cuda Version.

安装方式

Pytorch在使用cuda时，只会用到其中的部分功能，故安装时可选择直接安装相应的cudatoolkit，例如安装1.12.1版本的Pytorch
```
conda install pytorch==1.12.1 torchvision==0.13.1 torchaudio==0.12.1 cudatoolkit=11.3 -c pytorch
```
但当服务器已经安装了cuda，且满足你使用的版本，则没必要在安装Pytorch时同时安装cudatoolkit，这样做会占用一部分内存，则把指定的cudatoolkit取消即可
```
conda install pytorch==1.12.1 torchvision==0.13.1 torchaudio==0.12.1 -c pytorch
```
这时需要修改环境变量来切换cuda版本，可编辑.bashrc文件进行修改，例如指定cuda版本为11.1
```
PATH=/usr/local/cuda-11.1/bin:$PATH
LD_LIBRARY_PATH=/usr/local/cuda-11.1/lib64:$LD_LIBRARY_PATH
```

安装方式

conda install pyg -c pyg