招生型网站建设汕头网站建设优化

招生型网站建设,汕头网站建设优化,商城购物网站建设,dede自动一键更新网站Miniconda3 常用基础命令 新建/激活/切换/删除环境#xff1a; # 列出所有环境 conda env list# 新建环境 # 新建一个名为 test 的python版本为3.8的 conda create -n test python3.8 -y# 激活名为 test 的环境 conda activate test# 关闭环境后面不需要指定环境名,默认关…Miniconda3 常用基础命令新建/激活/切换/删除环境# 列出所有环境 conda env list # 新建环境 # 新建一个名为 test 的python版本为3.8的 conda create -n test python3.8 -y # 激活名为 test 的环境 conda activate test # 关闭环境后面不需要指定环境名,默认关闭当前环境 conda deactivate # 删除环境, 也可以直接删掉 miniconda3 安装目录下 envs 里面的对应环境文件夹 conda remove -n test --all # 复制 test, 新环境命名为 copytest conda create -n copytest --clone test添加 conda 源# 添加国内源/通道 conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/ # 设置安装时显示源地址, 方便安装时知道包来自哪个源 conda config --set show_channel_urls yes查看 conda 版本# 查看 conda 版本信息 conda info # 更新 conda 版本 conda update -n base conda查看 python 版本conda activate test python -V查看 CUDA 和 torch 版本# 第一种方法列出conda中的包 conda list # 第二种方法进入python环境 python import torch # 应显示 PyTorch 版本例如 2.0.0cu121 print(torch.__version__) # 应返回 True表示 CUDA 可用 print(torch.cuda.is_available()) # 应显示 CUDA 版本例如 12.1 print(torch.version.cuda)使用 conda 搭建项目环境直接使用项目环境文件搭建# Create and activate conda environment named as test # cuda: 12.1, pytorch: 2.5.0 # run unset CUDA_PATH if you have installed cuda in your local environment conda env create -f environment.yml --verbose conda activate test手动创建环境pytorch版本需要根据conda环境中使用的CUDA版本来确定https://pytorch.org/get-started/previous-versions/我的服务器配置nvidia-smi命令查看CUDA12.8RTX 4090 4张我的全局CUDA版本最高能支持12.8CUDA版本向下兼容虚拟环境中的cuda额外装因此可以在conda环境中安装11.x12.x12.8的CUDA11.7的也不兼容。如果项目要求用CUDA11之前的版本cuda10.xcuda9.x建议换项目找替代旧方法的新方法现在30系和40系显卡不支持安装会报错。# 先创建并激活对应python版本的项目conda环境 conda create -n test python3.10 -y conda activate test # (可选) 安装 CUDA 工具包和 cuDNN如果没下载过CUDA或者conda环境中需要低版本的CUDA # gcc和gxx在ubuntu中默认安装了ubuntu22.04对应的gcc和gxx版本是11.4 conda install nvidia/label/cuda-12.1::cuda conda-forge::cudnn -y # 或者 conda install -c conda-forge cudatoolkit12.1 cudnn # 或者 conda install -c nvidia cuda-toolkit12.1 -y # 选择你需要的pytorch版本 https://pytorch.org/get-started/previous-versions/ # 例如 pytorch 2.5.1 CUDA 12.1 pip install torch2.5.1 torchvision0.20.1 torchaudio2.5.1 --index-url https://download.pytorch.org/whl/cu121 # 继续下载其他需要的包先用conda尝试安装不了就用pip conda install xxx(自行替换) pip install xxx(自行替换)如果遇到全局CUDA版本要与conda环境中的版本一致的情况下在全局base下去官网CUDA Toolkit Archive | NVIDIA Developer安装对应版本的CUDA注意linux系统是可以安装多版本的CUDA的。安装后切换不需要安装多个CUDA高版本会兼容低版本cuda toolkit和wheel。#!/bin/bash export PATH/usr/local/cuda-12.1/bin${PATH::${PATH}} export LD_LIBRARY_PATH/usr/local/cuda-12.1/lib64${LD_LIBRARY_PATH::${LD_LIBRARY_PATH}} echo Switched to CUDA 12.1cuda在各个环境中的区别系统级cuda版本查看base环境nvcc -V激活conda环境后查看conda环境中的cuda toolkit版本如输出系统级路径则说明没安装cuda toolkit 或者 Conda 环境的PATH未优先于系统路径conda list | grep cuda-toolkitcuda wheel预编译的、支持 GPU 加速的 Python 包内置了与特定 CUDA 版本兼容的二进制代码通过安装torch一键安装。发生包版本冲突了怎么办状态检查# 导出完整环境信息 conda env export environment_full.yml # 查看已安装包的依赖关系树 conda list --explicit # 检查特定包的依赖要求 conda info package_name使用以下命令检查当前环境的依赖包是否冲突如果出现冲突pip check会列出所有存在问题的依赖包。pip check显示包版本、安装位置以及是谁安装了它pip show numpyconda支持多种求解器可根据问题复杂度切换# 安装并使用libmamba求解器通常更快 conda install -n base conda-libmamba-solver conda config --set solver libmamba # 使用经典求解器并启用详细调试日志 conda install package_name --solver classic -v --debug根据冲突的原因尝试升级或降级冲突的依赖包。以下是一个示例conda install -c anaconda pandas0.24.2如果某个依赖包确实存在问题可以尝试删除它然后重新安装conda remove pandas conda install pandas使用conda tree插件需额外安装可视化依赖链conda install -c conda-forge conda-tree # 查看依赖树 conda tree depends package_name # 查看哪些包依赖此包 conda tree whoneeds package_name如果冲突是由于Conda环境配置错误导致的可以尝试使用以下命令修复conda config --set auto_activate_base false conda env remove -n myenv conda create -n myenv python3.8对于包含数十个依赖的项目建议锁定核心依赖版本在environment.yml中固定关键包版本使用--freeze-installed选项防止意外升级conda install new_package --freeze-installed定期更新依赖使用conda update --all进行批量更新并测试兼容性参考conda包版本冲突解决高级调试技巧-CSDN博客