【Python/Pytorch】-- 创建3090Ti显卡所需环境

文章目录

01 服务器上，存在三个anaconda，如何选择合适的，创建python环境？

创建python虚拟环境（使用指定的anaconda环境，在指定目录下创建python环境）
 /usr/local/anaconda3.9/bin/conda create --name env 
 /usr/local/anaconda3.9/bin/conda create --prefix /path/to/your/directory/environment_name python=3.9
 
激活指定虚拟环境
conda activate /path/to/your/directory/environment_name

02 conda、anaconda、cuda、cudnn区别

conda与anaconda是跟创建python环境相关的，cuda与cudnn是跟GPU相关的。
cuda，cudnn，conda，anaconda的区别与联系 - 知乎

03 用到一些指令

查看当前cuda版本的指令 
nvcc --version
查看当前conda版本的指令
conda --version
查看gpu相关信息
nividia-smi

04 如何指定cuda的版本？

打开home目录下 .bashrc文件，在结尾加入

export PATH=/usr/local/cuda-11.8/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda-11.8/lib64:$LD_LIBRARY_PATH

05 conda跟pip的区别？

conda 和 pip 都是 Python 包管理工具，但它们之间存在一些不同之处：

• conda：
• conda 是一个开源的包管理和环境管理系统，不仅可以管理 Python 包，还可以管理其他语言（如 R）的包和依赖项。
• 它能够自动解决包之间的依赖关系，确保安装的包和它们的依赖项兼容。
• conda 还支持创建和管理虚拟环境，这些环境可以包含不同的包和 Python 版本。
• pip：
• pip 是 Python 特有的包管理工具，主要用于安装和管理 Python 包。
• 它依赖于 Python 的 setuptools 和 package index，能够从 Python 包索引（PyPI）或其他源安装包。
• pip 不具备自动环境管理功能，但可以与虚拟环境工具（如 virtualenv）一起使用。

06 pycharm控制台

pycharm中的控制台，跟matlab一样，可以一行一行进行调试。

07 服务器里面没有管理员指令，如何将cuda11.8安装到自己指定的目录下？

步骤1：wget https://developer.download.nvidia.com/compute/cuda/11.8.0/local_installers/cuda_11.8.0_520.61.05_linux.run
步骤 2：运行安装程序
chmod 755 cuda_11.8.0_520.61.05_linux.run
./cuda_11.8.0_520.61.05_linux.run  
（安装过程要根据提示，改成自己要安装的目录）
步骤3：home/your_username/.bashrc文件中加入这两行代码
export PATH=/home/your_username/cuda-11.8/bin:$PATH
export LD_LIBRARY_PATH=/home/your_username/cuda-11.8/mylib:$LD_LIBRARY_PATH