【安装】Windows下安装Anaconda、pytorch，以及修改pip默认安装路径

写在最前：

如果不打算用conda创建并管理虚拟环境，可以不装Anaconda，随便找个python安装包一路next就行。

文章目录

Windows下安装Anaconda

官网下得比较慢，去清华镜像站下载的Anaconda，能保证pip、conda都使用了清华镜像，非常方便。
点击这里到清华镜像站下载Anaconda。

选择合适的版本下载。我用的是Anaconda3-5.3.1-Windows-x86_64.exe。

下载完成后，双击安装包，除了安装路径最好是自定义之外，其他的可以直接next。

安装完成后，手动添加三个环境变量：①安装路径\Scripts；②安装路径；③安装路径\Library\mingw-w64\bin；④安装路径\Library\bin。

打开新的cmd窗口，输入以下指令换源：

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/

# 保证换源之后优先级是正确的

conda config --set channel_priority true

查看是否修改好：

conda config --show channels

如果对安装过程的选择还有疑惑，可参考博客：anaconda安装-超详细版。

PS：之后的步骤同样适用于Linux

pip安装pytorch

第一、二步都是包管理相关的内容，对于只需要唯一的环境的新手可以跳过，但是建议阅读。

一、创建虚拟环境

查看所有的虚拟环境的指令：

conda info --envs

方式一：默认路径

默认路径是安装路径/envs/名字。
具体是啥，可以用conda config --show 查看：

如果不是安装路径/envs/名字，可以用如下指令修改默认路径：

conda config --add envs_dirs 安装路径/envs

默认目录创建虚拟环境：

conda create --name 名字 python=3.9

可能遇到的问题：CondaHTTPError: HTTP 000 CONNECTION FAILED for url https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/win-64/repodata.json
问题出现的原因：在(base)下使用了create指令。
解决：退出conda环境(重启一个cmd终端或者conda deactivate)

可能遇到的问题：CondaHTTPError: HTTP 000 CONNECTION FAILED for url https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/win-64/current_repodata.json
如果没有遇到这个问题，就不用做这些操作。
可能的解决办法：
①default源：conda config --show channels查看当前的源，用conda config --remove channels defaults删掉default源。
②https：把清华那个源换成http。
③尝试在源后加/win-64之类的。
①③已证实是必要的。
参考：Anaconda出现CondaHTTPError: HTTP 000 CONNECTION FAILED for url的解决过程

激活环境（请使用创建好环境后conda提示的指令激活，不同环境的激活指令有可能不一样）：

# Linux:

conda activate 名字

# Windows: 打开cmd窗口

activate 名字

删除普通的虚拟环境：

conda env remove --name 名字

方式二：指定目录

指定目录下创建后，再将pip安装的包全部放在该目录下，能够妥善管理自己安装的包。
Anaconda所在的磁盘没有内存了，就需要用到这个方法。

在指定目录创建conda虚拟环境：

conda create --prefix=目录 python=3.9

目录的文件夹就是虚拟环境的名称。

激活环境：

# Linux:

conda activate 目录

# Windows: 打开cmd窗口

activate 目录

删除指定目录的虚拟环境：

conda env remove -p 目录

二、修改pip默认安装路径

pip安装的包往往自动放在虚拟环境的site-packages目录下。

但是，这其实是因为其他目录都不奏效。
一旦有某个优先级更高的目录奏效，pip安装的包将被安装到不知道什么地方去。
所以还是提前改一下吧。

第一步，查看pip默认安装路径：

python -m site

可以看到当前python的默认安装路径，和pip的默认位置。

第二步，运行：

python -m site -help

可以看到site.py文件位置。

修改site.py文件中的USER_SITE和USER_BASE。其中USER_SITE是安装的库的位置，USER_BASE是调用的pip指令的位置。

例如下图：

注：默认路径的虚拟环境，SITE和BASE如上图；而指定目录的虚拟环境，SITE和BASE分别是目录//lib/python3.9/site-packages和目录/bin'。

接下来，你安装的包都会在虚拟环境下了。

注：若你不幸在修改路径前，就已经开始安装某个包，则需要先删除pip缓存。
在Linux中，pip缓存在~/.cache/pip目录下，可使用sudo rm -rf ~/.cache/pip/*删除。
Windows不知道，缓存就缓存吧，不差这点内存。

挺好。对Linux也是通用的。

如果还有疑惑，可参考博客：【强迫症系列】【win】更改 Python 的 pip install 默认安装依赖路径。

三、pip安装pytorch

前面都是些小技巧，
就算不做也不影响pytorch安装。

conda安装和pip安装都行，只是conda安装会装在Anaconda目录\pkgs下。pip安装的路径更可控一些。

求求那些教程别把孩子们误导去安装离线包了！救救孩子！conda和pip是不好用吗？

运行指令，查看自己的显卡的版本号：

nvidia-smi -i 0

然后，去官网查安装的指令。

点击这里去pytorch官网查看安装指令。

如下图所示。

pip3 install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu113

如果想要安装低版本或其他版本CUDA的PyTorch，请看这篇博客：安装低版本CUDA的PyTorch。

安装完成后，注意检查是否安装在心仪的目录下：

pip查看安装的包

pip list

一些附加内容

一、安装依赖torch-geometric、torch_sparse等

打开官网，它有介绍怎么下载这些东西。Installation — pytorch_geometric 2.0.0 documentation。

pip install torch-scatter torch-sparse torch-cluster torch-spline-conv torch-geometric -f https://data.pyg.org/whl/torch-1.11.0+cu113.html

不需要去下载whl文件！只要pip就可以了！
如果没有你想要的版本，就修改指令。

可能遇到的问题：libcusparse.so.11不存在

安装后，运行代码时报错：OSError: libcusparse.so.11: cannot open shared object file: No such file or directory。

原因：没有装Cuda，所以找不到文件。

解决：安装你对应版本的cuda。

如cuda11.4版本，可以运行：

wget https://developer.download.nvidia.com/compute/cuda/11.4.4/local_installers/cuda_11.4.4_470.82.01_linux.run

sudo sh cuda_11.4.4_470.82.01_linux.run

直接一路next就行。

如果不是cuda11.4版本，可以在官网搜索自己的版本，然后再根据官网的指令下载。点击这里进入官网的搜索结果。

如果还有疑问，可以参考博客：OSError: libcusparse.so.11: cannot open shared object file: No such file or directory。

二、Linux下Opencv的安装

[Opencv]源码编译：Linux系统下opencv3.4.1安装教程。

三、PyCharm专业版远程连接服务器

首先，做基本的配置。点击这里查看详细的配置教程。

配置完成后，利用Tools-Deployment的功能即可实现文件的上传、下载、对比、同步。如下图所示。

这样本地修改之后推送到服务器上就行了。而且能够本地运行和调试，很方便。

通过Deployment-Options，还能忽略不必要的文件夹，让这些文件夹不在同步序列中。
如下图。

点个赞再走呗？