通过.yml文件创建环境
使用 env.yml 文件来定义环境配置
这种创建环境的方式是通过一个 env.yml 文件来定义 Conda 环境的配置。env.yml 文件是一个 YAML 格式的文件，用于指定环境的名称、依赖的通道（channels）和所需的包及其版本。这种方式非常适合在团队中共享环境配置，或者在不同的机器上复现相同的开发环境。
创建环境的步骤：
- 保存 env.yml 文件：
将上述内容保存到一个名为 env.yml 的文件中。
name: envs_name
channels:
- pytorch
- conda-forge
- defaults
- nvidia
dependencies:
- python=3.10 # 更新 Python 为 3.10
- cudatoolkit-dev=11.6 # 使用 CUDA 11.6
- pytorch=1.13.0=py3.10_cuda11.6_cudnn8.3.2_0 # 使用 PyTorch 1.13.0 和 CUDA 11.6
- torchvision=0.14.0 # 使用指定版本 torchvision
- torchaudio=0.13.0 # 使用指定版本 torchaudio
- mkl=2024.0
- 创建环境：
在终端中运行以下命令来创建环境：
conda env create -f env.yml
- 激活环境：
创建完成后，激活环境：
conda activate point
文件结构解释
- name: point
作用：指定创建的 Conda 环境的名称。
解释：这里创建的环境名称为 point。 - channels:
作用：指定 Conda 在解析和安装包时优先使用的通道。
解释：
pytorch：PyTorch 官方通道，用于获取 PyTorch 相关的包。
conda-forge：一个社区维护的通道，提供大量高质量的包。
defaults：Conda 默认通道，包含 Conda 自带的包。
nvidia：NVIDIA 官方通道，用于获取 CUDA 和 cuDNN 等包。 - dependencies:
作用：列出需要安装的包及其版本。
解释：
python=3.10：指定 Python 的版本为 3.10。
cudatoolkit-dev=11.6：安装 CUDA Toolkit 的开发版本 11.6。cudatoolkit-dev 包含了 CUDA 的头文件和库文件，适合开发 CUDA 程序。
pytorch=1.13.0=py3.10_cuda11.6_cudnn8.3.2_0：安装 PyTorch 1.13.0，指定其依赖的 Python 版本为 3.10，CUDA 版本为 11.6，cuDNN 版本为 8.3.2。
torchvision=0.14.0：安装 torchvision 的 0.14.0 版本，用于计算机视觉相关的功能。
torchaudio=0.13.0：安装 torchaudio 的 0.13.0 版本，用于音频处理。
mkl=2024.0：安装 Intel Math Kernel Library (MKL) 的 2024.0 版本，用于加速数学运算。
numpy：安装 NumPy，一个用于科学计算的库。
scipy：安装 SciPy，一个用于科学和工程计算的库。
不容易被影响导致装错版本
可复现性：通过 env.yml 文件，可以在不同的机器上创建完全相同的环境。
团队协作：团队成员可以共享 env.yml 文件，确保每个人使用相同的依赖版本。
清晰的依赖管理：明确列出所有依赖及其版本，避免版本冲突。
注意事项
通道优先级：Conda 会按照 channels 中列出的顺序查找包。如果某个包在多个通道中都存在，Conda 会优先选择第一个通道中的版本。
版本兼容性：确保指定的包版本之间是兼容的。例如，PyTorch 和 CUDA 的版本需要匹配。
环境变量：如果需要设置环境变量（如 CUDA_HOME），可以在创建环境后手动设置，或者在 env.yml 文件中使用 conda env config vars set 命令。