0 参考链接
本文章大多参考下面两个,具体可以参考下面两个
Ubuntu 16.04安装anaconda3
anaconda3使用与介绍
安装成功后,在~/.bashrc下最下面会多出来一些配置
# added by Anaconda3 5.3.0 installer
# >>> conda init >>>
......
......
# <<< conda init <<<
(其实你可以直接将启动虚拟环境的命令加在后面这样以后就避免每次打开终端都要启动虚拟环境了)
2 Pytorch 环境搭建
2.1 创建对应的虚拟环境
创建pytorch环境
创建一个名为“python3”的环境,环境中安装版本为3.5的python,同时也安装了numpy和pandas。
conda create -n python3 python=3.5 numpy pandas
切换环境
source activate <env_name>
退出环境
source deactivate
2.2 安装pytorch
所以
conda install pytorch torchvision cpuonly -c pytorch
测试
~$ python
.....
.....
Type "help", "copyright", "credits" or "license" for more information.
>>> import torch
>>> import torchvision
>>> print(torch.__version__)#输出PyTorch版本
1.3.1
3 虚拟环境的保持问题
笨办法
在 ~/.bashrc文件夹下加入
切换环境
conda activate <env_name>
4 高级用法
参考:
anaconda虚拟环境管理,从此Python版本不用愁 - 奥辰 - 博客园
什么是共享虚拟环境呢?当我们在本机上开发了一套代码,然后将代码上传到github或者发给项目组其他人,这是别人可不知道我们开发的代码上面用到了哪些依赖,conda提供了方便得功能将虚拟环境中所有依赖包统一导出一个配置文件中,在别的机器上使用这套代码时,根据conda导出的配置文件重建虚拟环境即可,这就是共享虚拟环境功能。在多人协作开发及开源的情况下,共享虚拟环境无疑是一个非常实用的功能。
先来导出依赖到配置文件:
conda env export --file python36_env.yml
environment.yaml是导出依赖的目标文件,运行命令后,当前目录下就回生成一个environment.yaml文件,包含了所有依赖信息。
根据配置文件创建虚拟环境:
conda env create -f /home/chb/code/python36_env.yml
运行上述命令后,在新机器上也会创建一个一模一样的虚拟环境。