Conda虚拟环境配置常见问题记录

搞深度学习的，总有被虚拟环境搞得头大的时候，特别是涉及到CUDA，Torch ，Torchvision 版本适配的问题。这两天因为在原来的环境中装了几个包，导致原来的环境崩了，搞了一天的时间又重新配了环境，中间涉及到的问题还是那几个，又得重新一边搜索一边搞。遂下定决心记录一下常见的问题和解决方案。

1. Torch 下载慢

不管开不开梯子，速度都很慢（我这里是这样的。。。），如果已经更换了清华源，下载 CPU版本的 torch 会比较快，但是对于GPU版本的不太行

1.1 更换清华源（cpu torch 或者 其他包，很有效果）

pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple

1.2 高速下载Torch

下载链接：https://download.pytorch.org/whl/torch_stable.html

https://download.pytorch.org/whl/torch_stable.html

找到自己想要的版本，通过搜索的方法。

cu121/torch-2.1.0%2Bcu121-cp310-cp310-linux_x86_64.whl
cu121/torch-2.1.0%2Bcu121-cp310-cp310-win_amd64.whl

cu121           : cuda 版本 12.1
torch-2.1.0     : torch 版本 2.10
cp310           : python 版本 3.10
win / linux     : window版本 or linux 版本

下载到本地之后，进入到下载的文件夹，然后使用 pip install cu121/torchxxxxxxxxx.whl 即可。

1.3 torchvision 安装

torchvision 安装哪种方式都很快，但是如果版本不对，也是白搭。（需要和torch版本对应）
https://github.com/pytorch/vision#installation 可以查看

还有其他的包和torch 版本相关的，可以查看这个链接，该博主写的挺全面的。（感谢该博主）
https://blog.csdn.net/shiwanghualuo/article/details/122860521

还有一个问题：安装torchvision，有时候会自动安装torch，烦人的雅痞，可以通过该方法，实现只安装torchvision
加上 pip install –no-deps

 pip install --no-deps .\torchvision-0.12.0+cu113-cp37-cp37m-win_amd64.whl    # (事先下载好的)
 or
 pip install --no-deps torchvision

2. 设置梯子代理，绕过该网站，正常使用pip install

在虚拟环境中，使用 pip install 安装存在网络不可用问题，需要绕开对应的 镜像源网址

pypi.tuna.tsinghua.edu.cn

加上即可

就可以避免安装包的时候，必须关了梯子的情况

3. xxxxxxxxx

其他等下次系统崩了遇到问题，接着更新。。。。。。。