GPU运行项目_配置Conda

Cealivanus Kwan Lv3
  2025-11-16 20:28:59 2025-11-16 20:28:59 创建   2025-11-16 20:33:44 2025-11-16 20:33:44 更新      

在运行弱光增强项目时用CPU训练数量级效率较低，于是我考虑用GPU运行。

1. 安装Conda

方法一：安装Miniconda

Miniconda是一个轻量版的Conda，只包含基本组件，更节省空间。

Windows系统：

1
2
3
4
5
6
7
8
# 1. 访问Miniconda官网下载安装包：
# https://docs.conda.io/en/latest/miniconda.html

# 2. 下载Windows 64-bit Python 3.x版本的.exe文件

# 3. 双击安装，注意勾选"Add Miniconda to my PATH environment variable"

# 4. 安装完成后，重新打开命令提示符或PowerShell

Linux/macOS系统：

1
2
3
4
5
6
7
8
9
10
11
12
# 下载安装脚本
wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh

# 或者macOS
wget https://repo.anaconda.com/miniconda/Miniconda3-latest-MacOSX-x86_64.sh

# 运行安装脚本
bash Miniconda3-latest-Linux-x86_64.sh

# 按照提示操作，建议安装到默认位置
# 安装完成后运行：
source ~/.bashrc  # 或者 source ~/.zshrc

方法二：安装Anaconda（完整版）

如果不需要节省磁盘空间，可以选择安装完整的Anaconda。

下载地址： https://www.anaconda.com/download

2. 验证安装

安装完成后，验证Conda是否可用：

1
2
3
4
5
6
7
8
# 检查conda版本
conda --version

# 查看conda信息
conda info

# 查看已安装的环境
conda env list

3. 配置Conda环境

创建深度学习环境

1
2
3
4
5
6
7
8
9
10
11
12
13
14
# 创建一个新的环境，命名为dl-env（可以自定义名称）
conda create -n dl-env python=3.9

# 激活环境
conda activate dl-env

# 在环境中安装必要的包
conda install pytorch torchvision torchaudio pytorch-cuda=11.8 -c pytorch -c nvidia
conda install opencv pillow numpy matplotlib jupyter notebook
conda install tensorboard tqdm scikit-image

# 或者使用pip安装（如果conda版本找不到）
pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118
pip install opencv-python pillow numpy matplotlib jupyter notebook tensorboard tqdm scikit-image

为弱光图像增强项目创建专用环境

1
2
3
4
5
6
7
8
9
10
# 创建专门的环境
conda create -n weak-light-enhancement python=3.9
conda activate weak-light-enhancement

# 安装PyTorch（根据你的CUDA版本选择）
conda install pytorch torchvision torchaudio cudatoolkit=11.8 -c pytorch -c nvidia

# 安装其他依赖
conda install opencv pillow numpy matplotlib tqdm scikit-image
conda install jupyter notebook  # 可选，用于代码开发和调试

4. 常用Conda命令

环境管理

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
# 创建新环境
conda create -n 环境名 python=3.9

# 激活环境
conda activate 环境名

# 退出当前环境
conda deactivate

# 删除环境
conda remove -n 环境名 --all

# 查看所有环境
conda env list

# 导出环境配置
conda env export > environment.yml

# 从文件创建环境
conda env create -f environment.yml

包管理

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
# 安装包
conda install 包名
conda install 包名=版本号  # 指定版本

# 安装多个包
conda install 包1 包2 包3

# 从特定channel安装
conda install -c channel名 包名

# 卸载包
conda remove 包名

# 更新包
conda update 包名

# 更新所有包
conda update --all

# 查看已安装的包
conda list

# 搜索包
conda search 包名

5. 配置Conda以优化下载速度

配置国内镜像源（加速下载）

配置清华镜像源：

1
2
3
4
5
6
7
8
9
10
# 添加channel
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/

# 显示channel地址
conda config --set show_channel_urls yes

# 查看配置
conda config --show

或者配置中科大镜像源：

1
2
3
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/main/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/conda-forge/

恢复默认源

如果需要恢复默认源：

1
conda config --remove-key channels

6. 为弱光图像增强项目创建完整环境

创建一个专门的环境配置文件environment.yml：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
# environment.yml
name: weak-light-enhancement
channels:
  - pytorch
  - nvidia
  - conda-forge
  - defaults
dependencies:
  - python=3.9
  - pytorch=2.0.1
  - torchvision=0.15.2
  - torchaudio=2.0.2
  - pytorch-cuda=11.8
  - cudatoolkit=11.8
  - opencv=4.7.0
  - pillow=9.5.0
  - numpy=1.24.3
  - matplotlib=3.7.1
  - jupyter=1.0.0
  - tensorboard=2.13.0
  - tqdm=4.65.0
  - scikit-image=0.20.0
  - pip=23.1.2
  - pip:
    - opencv-python

使用该文件创建环境：

1
2
conda env create -f environment.yml
conda activate weak-light-enhancement

7. 在IDE中配置Conda环境

在VS Code中使用Conda环境

  1. 打开VS Code
  2. 安装Python扩展
  3. 按Ctrl+Shift+P，输入”Python: Select Interpreter”
  4. 选择你的Conda环境路径（通常位于~/miniconda3/envs/环境名/bin/python或C:\Users\用户名\miniconda3\envs\环境名\python.exe）

在PyCharm中使用Conda环境

  1. 打开PyCharm
  2. 进入 File > Settings > Project > Python Interpreter
  3. 点击齿轮图标，选择”Add”
  4. 选择”Conda Environment”
  5. 找到你的Conda环境路径

8. 故障排除

常见问题及解决方案

问题1：conda: command not found

1
2
3
4
5
# 解决方案：将conda添加到PATH
# 在~/.bashrc或~/.zshrc中添加：
export PATH="~/miniconda3/bin:$PATH"
# 然后运行：
source ~/.bashrc

问题2：环境激活失败

1
2
3
# 对于Windows PowerShell，可能需要先运行：
conda init powershell
# 然后重新打开PowerShell

问题3：包安装冲突

1
2
3
# 尝试清理并重新安装
conda clean --all
conda install 包名

问题4：CUDA相关错误

1
2
3
4
5
# 检查CUDA版本
nvidia-smi

# 安装对应版本的PyTorch
# 访问 https://pytorch.org/get-started/locally/ 获取正确的安装命令
  • 标题: GPU运行项目_配置Conda
  • 作者: Cealivanus Kwan
  • 创建于 : 2025-11-16 20:28:59
  • 更新于 : 2025-11-16 20:33:44
  • 链接: https://redefine.ohevan.com/2025/11/16/GPU运行项目-配置Conda/
  • 版权声明: 本文章采用 CC BY-NC-SA 4.0 进行许可。
目录
GPU运行项目_配置Conda
  1. 1. 安装Conda
    1. 方法一：安装Miniconda
    2. 方法二：安装Anaconda（完整版）
  2. 2. 验证安装
  3. 3. 配置Conda环境
    1. 创建深度学习环境
    2. 为弱光图像增强项目创建专用环境
  4. 4. 常用Conda命令
    1. 环境管理
    2. 包管理
  5. 5. 配置Conda以优化下载速度
    1. 配置国内镜像源（加速下载）
    2. 恢复默认源
  6. 6. 为弱光图像增强项目创建完整环境
  7. 7. 在IDE中配置Conda环境
    1. 在VS Code中使用Conda环境
    2. 在PyCharm中使用Conda环境
  8. 8. 故障排除
    1. 常见问题及解决方案