环境搭建 - 虚拟环境 - 使用 conda 或 venv 创建

PyTorch 环境搭建 - 虚拟环境 - 使用 conda 或 venv 创建

在进行 PyTorch 项目开发时，为了避免不同项目之间的依赖冲突，使用虚拟环境是一个非常好的实践。虚拟环境可以为每个项目提供独立的 Python 解释器和依赖包，使项目的管理和部署更加方便。本文将详细介绍如何使用 conda 和 venv 这两种工具来创建 PyTorch 虚拟环境。

一、使用 conda 创建 PyTorch 虚拟环境

1. 安装 Anaconda 或 Miniconda

Anaconda 是一个包含了 Python、conda 以及众多科学计算和数据处理库的发行版，而 Miniconda 则是一个轻量级的版本，只包含 Python 和 conda。你可以根据自己的需求选择其中一个进行安装。

• 下载安装包：访问 Anaconda 官方下载页面 或 Miniconda 官方下载页面 下载适合你操作系统的安装包。
• 安装：运行下载好的安装包，按照安装向导的提示完成安装。

2. 创建 conda 虚拟环境

打开终端（Windows 用户可以使用 Anaconda Prompt），执行以下命令创建一个名为 pytorch_env 的虚拟环境，并指定 Python 版本为 3.8：

conda create -n pytorch_env python=3.8

上述命令中，-n 表示指定虚拟环境的名称，python=3.8 表示指定 Python 的版本。

3. 激活虚拟环境

创建好虚拟环境后，需要激活它才能使用。在终端中执行以下命令：

conda activate pytorch_env

激活成功后，终端的命令行前缀会显示当前激活的虚拟环境名称。

4. 安装 PyTorch

根据你的 CUDA 版本和操作系统，选择合适的 PyTorch 安装命令。例如，如果你使用的是 CUDA 11.3，可以执行以下命令安装 PyTorch：

conda install pytorch torchvision torchaudio cudatoolkit=11.3 -c pytorch

如果你没有 NVIDIA GPU，想使用 CPU 版本的 PyTorch，可以执行以下命令：

conda install pytorch torchvision torchaudio cpuonly -c pytorch

5. 验证安装

安装完成后，可以通过以下 Python 代码验证 PyTorch 是否安装成功：

import torch
print(torch.__version__)
print(torch.cuda.is_available())  # 如果使用 GPU 版本，会输出 True

6. 退出虚拟环境

当你完成项目开发后，可以使用以下命令退出虚拟环境：

conda deactivate

二、使用 venv 创建 PyTorch 虚拟环境

1. 创建 venv 虚拟环境

venv 是 Python 标准库中自带的虚拟环境管理工具，无需额外安装。打开终端，执行以下命令创建一个名为 pytorch_venv 的虚拟环境：

python -m venv pytorch_venv

2. 激活虚拟环境

• Windows：

  pytorch_venv\Scripts\activate

• Linux/MacOS：

  source pytorch_venv/bin/activate

3. 安装 PyTorch

使用 pip 来安装 PyTorch。同样，根据你的 CUDA 版本和操作系统选择合适的安装命令。例如，如果你使用的是 CUDA 11.3，可以执行以下命令：

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

如果你使用的是 CPU 版本，可以执行以下命令：

pip install torch torchvision torchaudio

4. 验证安装

与 conda 环境一样，使用以下 Python 代码验证 PyTorch 是否安装成功：

import torch
print(torch.__version__)
print(torch.cuda.is_available())

5. 退出虚拟环境

在终端中执行以下命令退出 venv 虚拟环境：

deactivate

三、conda 和 venv 的对比

总结

本文介绍了使用 conda 和 venv 两种工具创建 PyTorch 虚拟环境的详细步骤，并对它们进行了对比。在实际使用中，如果你需要管理系统级别的依赖，或者希望使用 conda 丰富的包管理功能，建议选择 conda；如果你只需要一个简单的 Python 虚拟环境，使用 venv 就足够了。无论选择哪种方式，都可以为你的 PyTorch 项目提供一个独立、稳定的开发环境。