怎么修改网站上传附件大小,信息课做网站的软件,模板网站制作服务,域名查询服务器配环境总是一个老生常谈的问题#xff0c;有些项目写得好的#xff0c;会把一些冗余的包删除#xff0c;只留下必要的包#xff0c;并且手把手教你pip安装#xff0c;但是有些项目就直接丢一个200~300行的environment.yaml文件或者requirement.txt文件让你自己去配#x…配环境总是一个老生常谈的问题有些项目写得好的会把一些冗余的包删除只留下必要的包并且手把手教你pip安装但是有些项目就直接丢一个200~300行的environment.yaml文件或者requirement.txt文件让你自己去配虽然也有相关的环境配置内容但能够按照步骤一次通过配置的可能性很低而且大部分问题会跟系统环境、pytorch版本、anaconda版本有关最终结果就是有些包配了半天终于配好了结果代码里面直接一个注释不用了总之就是让人十分折磨。本文决定对一些常见配环境问题进行一个简单的总结希望可以帮到大家。 在conda中一般通过yaml文件来配置环境的命令为
conda env create -f environment.yml -n 环境名
但能够一次性成功配置环境属于少数情况一般都会遇到配置太慢、卡死、solving environment failed、PackageNotFound、以及pip爆出的一堆红字 问题1包找不到且大部分都带有包的唯一标识符例如hf484d3e_0、h1ccaba5_0 分类讨论一下如果只有少量的包或许可以通过删除yaml文件中的唯一标识符限制来完成环境配置yaml文件改动如下所示 但是如果有很多包带唯一标识符的都找不到就很有可能是系统环境不对导致的
例如尝试在windows10环境下配置linux中特有的一些包
当然这样也会导致一些其他包出现问题 这个时候就需要敏锐一点发现最后一个包的包名为ld_impl_linux-64就可以反应过来配置的系统不对了。果断更换系统。 问题2等待时间太长
建议加入一些快速的源在conda中称为channel比如清华源或者阿里源如果有校内或者工作的内网源更好确认网络连接正常。
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
使用conda config --show channels 删除源使用conda config --remove channels 源名
一般情况下网络正常配置时间不会太久 问题3pytorch安装找不到匹配的版本号 ERROR: No matching distribution found for torch1.12.1cu102
这种情况其实是比较常见的因为pytorch老版本中支持CUDA的版本是需要单独配置的
Previous PyTorch Versions | PyTorch
可以在官网上找到你需要的pytorch然后在已经激活的conda环境中使用pip直接安装
例如这样很好的一点就是pytorch官网上可以找到所有的对应版本信息
pip install torch1.12.1cu102 torchvision0.13.1cu102 torchaudio0.12.1 --extra-index-url https://download.pytorch.org/whl/cu102
建议不要使用conda install的命令因为它基本上不会安装GPU版本的pytorch
下图为使用conda install的安装结果其实这个packageplan就可以看出它安装的不是torch包而是pytorch包很奇怪 关于pytorch cuda版本的选择问题先试用一下nvidia-smi命令查看自己是否安装CUDA 只要这里显示的CUDA版本号大于安装的pytorch版本号就可以了
例如torch1.12.1cu102的CUDA版本为10.2当前系统的CUDA版本为11.4说明可以直接安装这个版本的pytorch 问题4下载包到一半突然一大片红ERROR一般包含time out字样
socket.timeout: The read operation timed out或者ReadTimeoutError: HTTPSConnectionPool(hostdownload.pytorch.org, port443): Read timed out.
这个主要是网络波动导致的也有可能是远端的服务器网络出现问题也有可能是自己的源没配好访问不稳定。总之是网络上的问题。
重新尝试命令即可对于已经下载好的包pip会读取自己的缓存cache不会让你重复下载的。 问题5安装某个包的时候它自动把已经装好的pytorch删掉了重新安装了另一个版本
这种情况一般为安装一些高级的深度学习库会遇到例如DGL、allennlp等等
在yaml的pip列表中可以先扫一眼看看有没有这种包如果有就留到最后单独安装在官网上查询对应的pytorch版本来判断应该这么安装。
如果不知道是不是这种有依赖关系的深度学习库时可以先装pytorch再装其他库如果发现在下载新的pytorch版本就立刻终止早发现早治疗。 如果最后单独安装的时候仍然pytorch版本不对说明可能源代码根本就没用这个库也可以在官网上选择一个高相邻版本的库进行安装一般都可以正常运行。 如果不想使用conda install来配置整个环境可以使用以下命令在conda的目标环境下
pip install -r requirements.txt
在包比较少的情况下也可以用pip install手动硬装
但记住安装完成之后需要执行一下pip check命令看一下是不是所有的包的依赖关系都正确了
另外给出一个实用的pip和conda小技巧
pip cache purge
conda clean --all
可以清除pip管理器和conda管理器中的缓存避免一些大型包下载的一半中断导致系统内存被占的问题例如tensorflow和pytorch。
