1.miniconda安装

1.Python 应用经常需要使用一些包第三方包或者模块，有时需要依赖特定的包或者库的版本，很多时候不同的 Python 应用所依赖的版本是冲突的满足了其中一个，另一个则无法运行，解决这一问题的方法就是虚拟环境。虚拟环境是一个包含了特定 Python 解析器以及一些软件包的自包会目录，不同的应用程序可以使用不同的虚拟环境，从而解决了依赖冲突问题

2.我们利用Miniconda（无图形化界面，轻量化）来管理虚拟环境，Anaconda（有图形化界面，占内存大），打开地址下载https://docs.conda.io/projects/miniconda/en/latest/ ， 下载你对应的版本

3.下载后安装

如果本机已经有python环境就不需要勾选了，如果没有的话就勾选上,然后点击install即可

 

 4.推荐环境变量

5.win+r输入cmd，打开cmd窗口，输入conda --version ， 输入python --version

6.conda切换到国内镜像源

①查看镜像源：conda config --show channels

②删除镜像源恢复默认源：conda config --remove-key channels

③windows系统用户目录(C:\Users\10641)下生成.condarc文件：conda config --set show_channel_urls yes

④设置镜像源：看图中的步骤修改.condarc文件，channels第一行再多加一行pytorch/win-64/的，直接复制我下面的内容就可以

⑤清除索引缓存：conda clean -i

⑥查看换源成功：conda info

channels:
  - http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/win-64/
  - defaults
show_channel_urls: true
default_channels:
  - http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
  - http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r
  - http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2
custom_channels:
  conda-forge: https//mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  msys2: http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  bioconda: http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  menpo: http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  pytorch: http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  pytorch-lts: http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  simpleitk: http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud


remote_read_timeout_secs: 1000.0
ssl_verify: false
envs_dirs:
  - D:\02-software_python\02-Miniconda\envs   // 虚拟环境路径

二、conda创建python虚拟环境

conda建虚拟环境有两种命令，一种是直接创建，一种是指定路径创建，两种都行，直接创建比较方便，其中里面的capa是虚拟环境的名字，可以仍以改名字替换

① 直接创建虚拟环境: conda create -n capa python=3.11

② 指定路径创建虚拟环境: conda create --p=D:\Yzmtrain\Captcha_env python=3.11

③ 列出conda有哪些虚拟环境：conda env list

④ 进入虚拟环境：activate capa 或者 activate D:\Yzmtrain\Captcha_env

⑤ 退出虚拟环境：conda deactivate

⑥ 删除虚拟环境：conda remove -n capa --all

⑦ 克隆环境 本地已有一个环境AAA，若需要创建一个同样的BBB: conda create -n BBB --clone AAA

三、pytorch框架安装

1.先确定自己的虚拟环境是python几，比如我的虚拟环境是python3.11.7，那么对应的torch版本则应该是2.0-2.4都可以 https://github.com/pytorch/vision#installation

 2.再确定自己的cuda版本是几，比如我是12.2

nvidia-smi

3.然后我们打开https://pytorch.org/get-started/previous-versions/ 去搜索CUDA 12.2，假设如果没有的话，可以找CUDA 12.1等更小的都是可以的，而由于yolov5要求pytorch至少是1.7，所以cuda建议在9.2及以上

 

5.接下来cmd命令依次执行如下，三条命令先创建虚拟环境cpap，然后进入虚拟环境capa，然后在虚拟环境里面安装包；注意这里的capa的虚拟环境名称，可以随意替换

  1. conda create -n yoyo
  2. conda activate
  3. conda install pytorch==2.3.1 torchvision==0.18.1 torchaudio==2.3.1 pytorch-cuda=12.1 -c nvidia

6.继续，安装好后，我们输入python ， 然后import torch ， 然后查看对应的cuda是否可以用，torch.cuda.is_available()是否安装成功了，如果返回True则成功了，这个True成功了代表的gpu训练没有问题https://blog.csdn.net/shaqilaixi2/article/details/121687144

 

import torch
torch.cuda.is_available()  # 是否安装成功  如果返回True则成功了
torch.__version__ # torch版本号
torch.version.cuda  # cuad版本号
torch.cuda.get_device_name(0)  # 第一个显卡名称
torch.cuda.is_available()  # cuda是否可用
torch.backends.cudnn.version()   # cudnn版本
torch.backends.cudnn.is_available()  # cudnn是否可用
torch.cuda.device_count()  # 显卡数量