多套AI机器学习框架最佳的实践方法就是使用conda来管理不同的虚拟环境，以前用pip喜欢手动下载手动安装，什么cuda cudnn，各种版本相互依赖，conda就专治这个。但由于习惯，在使用conda之后还习惯性地在conda中做pip安装cuda cudnn，直到后来完全了解了conda install能够根据显卡型号和python版本和要安装的ai框架版本自动解决依赖问题。
1、安装conda,这个似乎没有太多强制版本的，可直接从官网下载最新。
conda下载地址
https://docs.conda.io/en/latest/miniconda.html有时用迅雷等下载工具比浏览器快一些
安装完成后以管理员方式运行 conda3
2、配置源，这主要是配置国内源达到下载加速
以管理员方式运行 conda3后 在conda的窗口上运行命令
conda config --set show_channel_urls yes
之后会在 C:\Users\（电脑用户名）会生成一个配置文件.condarc 打开编辑
channels:
- defaults
show_channel_urls: true
default_channels:
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2
custom_channels:
conda-forge: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
msys2: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
bioconda: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
menpo: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
pytorch: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
pytorch-lts: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
simpleitk: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
编辑保存后，运行conda clean –i
以下是两种机器学习框架的安装过程，tf已经实践过，pytroch 尚未实践，根据个人了解补充。
安装tensorflow-gpu==1.15
退出之前的环境，conda deactivate
conda create -n tf15 python=3.7 #创建环境
activate tf15 #进入环境
conda install tensorflow-gpu=1.15.0#安装tf gpu版 会自动安装对应的cuda和cudnn如果不指定版本，就不论python版本，全按最新。
现在tf已经出到2.2x了，少量代码会强制要求tf版本。
同时tf1.15之后，不再区分gpu和cpu，不再存在tensorflow-gpu这种名称了。
安装pytroch
退出之前的环境，conda deactivate
官网查看
https://pytorch.org/get-started/locally/
conda create -n pytorchenv python=3.8.10
activate pytorchenv
conda install pytorch torchvision torchaudio pytorch-cuda=11.8 -c pytorch -c nvidia
本文《conda部署与物理机不同的cuda版本，一行命令部署pytroch或TensorFlow环境》由爱思考吧 isres.com 分享，转载请注明出处。本文网址：https://www.isres.com/bushu/211.html
本站主要收集测评能够节省时间和提升效率的软件工具并分享使用与学习的过程和感受，任何情况下用户都需遵守所使用软件资源的相关协议。与《conda部署与物理机不同的cuda版本，一行命令部署pytroch或TensorFlow环境》有关的本站文章及资源仅供个人学习交流使用，相关资源请下载后24小时内删除，请勿用于其它用途，因此产生的任何问题由您自行承担。
