Anaconda创建新环境以及应用到Pycharm项目中

1.Anaconda创建新环境

1.安装

最详细的 Windows 下 PyTorch 入门深度学习环境安装与配置 CPU GPU 版 | 土堆教程
这个教程从零开始，能解决大部分问题

坑：安装anaconda时选了all user，导致环境安装在C盘，解决方法如下：
https://blog.csdn.net/QH2107/article/details/126246310
注意最后一步，在查看目标路径的文件夹的权限时，要点到user查看

2.常用指令

1.创建新环境

conda create -n tensorflow python=3.7 //tensorflow可以改成任意环境名
1

2.删除环境

conda remove -n your_env_name(虚拟环境名称) --all
1

3.查看虚拟环境列表

conda env list
1

4.通过复制删除来重命名环境
https://blog.csdn.net/songyuc/article/details/103859747

2.Pycharm中应用新环境

Settings -> Python Interpreter -> Add Interpreter -> Conda Environment -> Interpreter点击选择的3个点
进入Anaconda\envs，找到文件夹，选下面的python.exe即可

3.安装Pytorch和添加镜像

2022-2 安装Pytorch教程

4.pycharm的debug模式下命令行参数的传递

https://blog.csdn.net/sunyan3517/article/details/103297596
1.注意：environment variables的赋值，如果是字符串不需要引号，但是命令行中使用export赋值字符串environment variables需要引号，如

export CO3DV2_DATASET_ROOT="/ex/dataset"
1

2.如果使用服务器，环境变量指向本地地址会报错，指向服务器地址成功（原因不明）

5.用多张卡训练

 	# 可见设置，环境变量使得指定设备对CUDA应用可见
    os.environ['CUDA_VISIBLE_DEVICES'] = '0,1'
    # 选择第一块显卡开始载入数据
    device = torch.device("cuda:0")
    model.to(device)
    # 显卡大于1块时，device_ids选择模型载入数据对应的显卡
    if torch.cuda.device_count() > 1:
        model = nn.DataParallel(model, device_ids=[0, 1])
1
2
3
4
5
6
7
8