保姆级教程Anaconda环境迁移：直接将之前搭建好的环境从一个机子迁移到另一个机子

Posted 2023-03-30 信小海

Anaconda环境迁移

• 前言
• 1. （从旧电脑）复制环境
• 2. （在新电脑）粘贴环境
• 3. （在新电脑）配置环境
• 4. （在新电脑）使用迁移过来的环境跑代码

前言

有时候，我们想把电脑中的虚拟环境从一个文件夹迁移到另一个文件夹，或者把一台主机中的某个虚拟环境迁移到另一台主机上，而不是重新搭建环境，就可以参考本篇博客。下面的演示主要是将一台主机中的某个虚拟环境迁移到另一台主机上。事实上，把电脑中的虚拟环境从一个文件夹迁移到另一个文件夹的操作步骤大同小异，甚至更简单。

1. （从旧电脑）复制环境

在复制环境之前，我们首先需要知道环境在哪里。此时，可以在旧电脑打开【Anaconda Prompt】并输入【conda env list】查看旧电脑的所有虚拟环境，如下，如果我想迁移第一个虚拟环境，那么我就应该去【D:\\2021yandandan\\envs】目录下复制【point1-ddy】文件夹，即【point1-ddy】文件夹就是我需要复制的对象。

2. （在新电脑）粘贴环境

(1) 建议大家在新电脑给自己建立一个专门用来存放虚拟环境的文件夹，以笔者为例，因为笔者经常和师兄师弟们共用一台电脑，所以笔者就给自己建立了一个文件夹（下图中的【yandnadan2021】），专门用于存放笔者的所有文件，并在该文件夹下建立了一个【envs】文件夹，用于存放笔者所有的虚拟环境，如下：

(2) 把刚才复制好的环境，直接粘贴到新的目录下，例如我新电脑的【D:\\yandandan2021\\envs】目录下，如下：

3. （在新电脑）配置环境

(1) 首先在新电脑打开【Anaconda Prompt】并输入【conda env list】，可以看到，新粘贴过来的环境目录还没有添加进来。

(2) 输入【conda config --append envs_dirs D:\\yandandan2021\\envs】，为刚粘贴过来的环境添加目录。注意，红框部分需要大家自行替换为自己的目录。

(3) 此时再输入【conda env list】，就可以看到新粘贴过来的目录了。

4. （在新电脑）使用迁移过来的环境跑代码

用Pycharm打开自己的代码，然后在Pycharm中的【Settings】中进行如下步骤即可。

至此，虚拟环境就彻底迁移结束了，我们就可以跑代码了，如果是在同一台电脑中将虚拟环境从一个文件夹迁移至另一个文件夹，代码应该可以直接跑通，没什么问题；如果是把一台主机中的某个虚拟环境迁移到另一台主机上，在跑代码时可能会因为其它原因出现问题，比如，新电脑的cuda版本与旧电脑不一样，可能就需要根据报错进行相关调整，比如重新下载某些包，不过这不算很难，遇到什么问题就解决什么问题好了。

折腾深度学习——用Anaconda配置Python开发环境（Windows）保姆级教程

目录

零、前言

一、软件安装

二、软件配置

 三、安装CUDA以及cuDNN（GPU版需要，CPU请跳过）

四、安装Pytorch

五、检验安装

六、结束

七、IDE的安装

八、Q&A

---

零、前言

        近期准备学习深度学习相关的知识，需要使用Python语言和pytorch框架来搭建相关模型，便写下这篇文章来记录我配置Python开发环境并安装Pytorch框架的历程，顺便提供给广大网友参考。

在开始之前我们需要知道：

• 系统位数
• 显卡型号
• 显卡支持的CUDA版本

一、软件安装

 1、Anaconda3

（1）访问Anaconda官网

（2）点击Get Started后点击Download Anaconda installers

（3）根据系统位数选择合适的安装包（关于如何查看系统位数可以查阅我的另一篇文章）

***如果下载速度慢，可以访问清华大学开源软件镜像站来下载（软件安装包下载直达链接）

（4）双击安装文件打开

（5）点击I Agree

（6）建议选择All users

（7）选择安装位置（建议默认），点击Next

 （9）建议把两个方框都选上（用于配置环境变量，减少不必要的麻烦）

（10）等待安装完成

（11）点击Finish

（12）用CMD检验安装是否正常

 在CMD输入下列代码

conda help

输出如下：

 

 如果安装失败可以查看文末Q&A中的第1点。

 *关于不使用Python官方的安装包安装：Anaconda是一个比较方便的Python包管理器，可以新建不同环境，并自动处理各个包之间的依赖与冲突，比较适合新手使用。

二、软件配置

1、切换conda国内镜像源

        由于服务器在国外的缘故，国内使用conda下载软件包速度可能很慢，甚至出现下载失败的情况，这里推荐更换软件源。

（1）先执行一下命令生成配置文件.condarc

conda config --set show_channel_urls yes

位置位于用户文件夹中，例如：C:\\Users\\<你的用户名>

如果找不到该文件，请到文末Q&A

 （2）用记事本打开该文件，并用一下内容覆盖原始内容

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
  simpleitk: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud

（3）在CMD里输入一下命令来更新缓存

conda clean -i

*更多详细信息可以访问镜像站使用帮助

2、切换pip国内镜像源

        由于服务器在国外的缘故，国内使用pip下载软件包速度可能很慢，甚至出现下载失败的情况，这里推荐更换软件源。

（1）在CMD里输入以下命令，切换为清华镜像源

pip install pip -U
pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple

3、新建一个新环境

方法一：利用图形界面新建

（1）打开Anaconda，选择左侧Environment

 （2）点击底部create，输入环境名称（例如：test），选择Python版本（建议版本不要选择过老或过新，因为要安装Pytorch，所以我选择3.8）

（3）点击create，一个崭新的环境就创建好了。

方法二：运用命令行新建

（1）打开CMD，并输入一下命令

conda create --name 名称 pytohn==3.8

（2）完成

 三、安装CUDA以及cuDNN（GPU版需要，CPU请跳过）

*在开始前请确保显卡驱动已经更新到最新

（1）进入英伟达官网下载CUDA工具包和cuDNN

 这里我选择CUDA v11.1和cuDNN v8.2.1（请注意版本匹配）

（2）运行CUDA安装程序并选择精简安装，记住安装位置

（3）解压缩cuDNN压缩包，并将对应文件夹里的文件复制到安装位置对应的文件夹里（不是替换整个文件夹！！！）

四、安装Pytorch

可以通过访问Pytorch官网来获取安装命令

 以我的版本为例：

（1）在CMD里激活环境

conda activate test

 (2)输入一下命令安装

pip3 install torch==1.9.1+cu111 torchvision==0.10.1+cu111 torchaudio===0.9.1 -f https://download.pytorch.org/whl/torch_stable.html

 遇到[Y/N]输入Y

 （3）输出success结束

五、检验安装

1、在CMD激活环境并启动Python

conda activate test
python

2、输入一下代码

import torch
torch.cuda.is_available()

         输出为True即为正确安装；可以查阅Pytorch官网，尝试跑一个模型，如果不能正常工作，我也将在Q&A中帮你解决。

        如果输出False，请至文末Q&A

六、结束

        至此，安装已经全部结束。欢迎来到深度学习的世界😆

        如果遇到问题，请不要着急，请直接往下翻到第八点，查看Q&A，我将列举我遇到的问题和几个常见问题，以及解决办法。😊

七、IDE的安装（可选）

限于篇幅，可以查看我的另一篇文章

八、Q&A

        相信有很多人在第一次配置环境时总会遇到各种各样的问题，别着急，接下来将会帮助你解决这些问题。

1、Q:在CMD里输入conda显示：'conda' 不是内部或外部命令，也不是可运行的程序或批处理文件。

      A：可能在安装是未将全部方框勾上的原因，不用卸载重装，请按照以下办法，将Anaconda添加到环境变量。

解决办法：

1、找到Anaconda的安装位置（我的位置：C:\\ProgramData\\Anaconda3）

 2、将一下位置添加到环境变量

 如何添加环境变量？

（1）右键此电脑，点击属性

 （2）点击高级系统设置

（3）点击环境变量，在系统变量里找到Path，并双击

 （4）添加上面提到的位置，并点击确定保存

2、Q: torch.cuda.is_available()返回False

      A：1、请检查cuda是否正确安装2、请检查cuda|cuDNN|Pytorch版本是否匹配

      3、cudatoolkit未正确安装4、没有添加到环境变量

解决办法：

1.检查cuda是否正确安装

（1）打开CMD，输入以下命令

nvcc --version

（2）如果输出版本号，说明安装没有问题，可能是版本不匹配导致，请继续往下看

2、检查版本是否匹配

首先检查Pytorch与CUDA版本是否匹配

确认无误后

重点查看For后面的版本号是否与CUDA版本一致

 3、conda环境中没有安装cudatoolkit

（1）首先输入以下代码，激活环境

conda activate test

 （2）输入以下代码安装cudatoolkit（注意版本匹配）

conda install cudatoolkit==<cuda版本>

4、如果安装都无误，极有可能是没有将CUDA添加到环境变量

（1）将以下位置添加到环境变量

 （2）在CMD里输入,检查是否正确输出

nvcc --version

3、Q: 运行示例代码，报如下错误

Error #15: Initializing libiomp5md.dll, but found libiomp5md.dll already initialized.

      A：Anaconda安装的numpy包中的libiomp5md.dll 和Pytorch中libiomp5md.dll冲突

解决办法：

删除conda环境文件夹中的libiomp5md.dll

位置：可以通过在文件夹中搜索来找到。