由于换了电脑，因此原本很多配置过的内容又得重新操作一遍。不过这会也借机会熟悉一下conda虚拟环境配置的一些操作。
对环境的管理
增
#在不影响当前版本的情况下,新建环境并安装不同版本的python
#新建一个Python版本为3.6 名称为 py36 的环境
conda create -n py36 python=3.6 anaconda
#注:将py36替换为您要创建的环境的名称。 anaconda是元数据包，带这个会把base的基础包一起安装，不带的话新环境只包含python3.6相关的包。相当于是又装了一边anaconda 。python = 3.6是您要在此新环境中安装的软件包和版本。 这可以是任何包，例如numpy = 1.7，或多个包。
# 将python更新到另外一个版本/安装指定版本的python
conda install python=3.6
我们可以使用以下方法，激活环境：
#然后激活想要使用的环境即可
conda activate py36
#更新Python
# 普通的更新python
conda update python
删
conda删除虚拟环境。
假设你的环境名字叫: octopus
conda remove -n octopus --all
查
conda查看环境名
conda info --envs
对自己的更新
# conda
conda update conda
# anaconda(升级anaconda前需要先升级conda)
conda update anaconda
# anaconda-navigator
conda update anaconda-navigator
# spyder
conda update spyder
# 所有包
conda update --all
# 尽量避免使用conda update --all命令，可能会出现部分包降级的问题
下载源管理
就是管理下载的默认路径，注意一下conda和pip是两个不同的工具，他们也自然是从不同的地方下载内容（这一点是不是，我忘了）。如这里管理的是conda的下载源。
# 查看当前下载源
conda config --show-sources
# 添加下载源
# 清华镜像源
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/
# 添加下载源后，设置搜索时显示通道地址
conda config --set show_channel_urls yes
# 删除下载源
conda config --remove channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
事实上，我们也可以直接从网页上下载包，然后本地暴力安装。
此外，如果国内的源在更新，继而挂掉了的话，我们也可以恢复原本的下载源。
conda config --remove-key channels
包管理
python
特别的，我们新建conda虚拟环境的时候一定会把python的下载下来。
查看已经安装的包
据我观察，虚拟环境虽然实现了我们在环境下的包隔离。但是在不同的环境下，如果conda发现安装包已经下载，那么实际上就会直接利用这个包进行安装，而不会再下载，实现重复利用。
conda list
conda list [包名称]
使用pip 则是：
pip list
下载
这里就说说，依据制定的requirements.txt文件进行下载，其内容格式为：
- “包名==版本”
pip install -r requirements.txt
conda install --yes --file requirements.txt
注意，这里有个坑就在于，似乎高版本的pip下载包，如果使用VPN，则会报错；但是不用VPN又会非常慢，这里有如下的解决方法（虽然好像并没有用？）
包的版本对应问题
在这里，python，pytorch，torchvision和torchtext，以及如果是有GPU的，需要将nvidia显卡、nvidia-driver、cuda和cudnn几个工具对应起来。
这里提供一些包的对应：
- pytorch和torchvision的对应：https://github.com/pytorch/vision
- pytorch和torchtext的对应：https://github.com/pytorch/text/
注意，其实pytorch和numpy也是有对应关系的，事实上pytorch和相关的依赖包的版本，即不能太高也不能太低，否则有些因为版本的更新，会把一些函数去掉，然后就会保存了。
关于GPU加速的问题
看到很多博客说，需要根据自己的显卡driver先下载cuda和cudnn；
实际上我发现似乎并不需要，我们只需要下载合适的GPU版本的pytorch就行，其内置有对应的cudatoolkit工具。
因为我的新主机上似乎并没有安装cuda，而且nvcc等等的工具并不存在，也并不是没有加入环境变量之类的，确实没有工具包的文件夹存在。在相关设备管理的部分也看不到cuda的版本信息，但是确实可以使用GPU加速，例如在Minist数据集上训练VAE，用CPU可能需要半个小时，而用GPU加速后不到1分钟就训练完毕了。
本地下载
有些时候一些非常古老的包可能都不在默认的源里，不得不使得我们进行本地下载。注意，一定要注意虚拟环境是谁，别装错了。
例如，我们直接到清华源去下载pytorch和它的一些工具，网址如下：
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
如果我们是在windows下使用，那么一般就是win64了： - https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/win-64
这里值得提醒的是，下载的内容有的是bz2，有的是whl，有的是.conda文件。似乎pip和conda均可以操作.bz2文件，pip还可操作whl文件，conda操作.conda文件，不过whl其实也是个压缩包，不知.conda是不是。以下举例就是操作.bz2文件的方法。
- 使用pip安装,直接切换到相应的位置，进行pip install
pip install [路径名\包名称]
- 使用conda安装，需要添加offline参数，例如：
conda install --offline pytorch-0.1.12-py35_0.1.12cu80.tar.bz2 #离线安装