关于配置深度学习虚拟环境（conda）的一些概念和常用命令

一、概念

下面介绍显卡驱动（例NVIDIA GeForce）、CUDA、cuDNN 的概念和联系。

显卡驱动

显卡驱动是封装成软件的程序，硬件厂商根据操作系统编写的配置文件。安装成功后成为操作系统中的一小块代码。它是硬件所对应的软件，计算机有它就可以与显卡进行通信，驱使其工作。如果没有显卡驱动，显卡就无法工作。

CUDA

由NVIDIA建立的并行计算平台以及编程模型，可以显著的提高GPU的计算性能。

cuDNN

NVIDIA的cuDNN是针对深度神经网络计算的一个GPU加速库，为标准例程提供了高度优化的实现，比如向前、向后卷积，池化，规范化和激活层。其是NVIDIA Deep Learning SDK的一部分。

有一个比喻能够形象的说明CUDA、cuDNN两者的关系：把CUDA看作是一个工作台，上面配有很多工具，如锤子、螺丝刀等。cuDNN是基于CUDA的深度学习GPU加速库，有了它才能在GPU上完成深度学习的计算。它就相当于工作的工具，比如它就是个扳手。但CUDA这个工作台买来的时候并没有送扳手。想要在CUDA上运行深度神经网络，就要安装cuDNN，就像你想要拧个螺帽就要把扳手买回来。这样才能使GPU进行深度神经网络的工作，工作速度相较CPU快很多。

二、conda 常用命令

（1）查看虚拟环境列表

bash 复制代码

conda env list

(2)创建一个虚拟环境

bash 复制代码

conda create -n env_name python=3.10

(3)查看jupyter核列表

bash 复制代码

jupyter kernelspec list

(4)删除核

bash 复制代码

jupyter kernelspec remove kernel_name

(5)给虚拟环境添加核

bash 复制代码

conda activate env_name
pip install ipykernel
python -m ipykernel install --user --name=your_kernel_name

(6)删除虚拟环境

bash 复制代码

conda remove -n env_name --all

（7）配置镜像源

bash 复制代码

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch

国内常用镜像源：

· 清华大学：https://pypi.tuna.tsinghua.edu.cn/simple/
· 阿里云：http://mirrors.aliyun.com/pypi/simple/
· 中国科技大学：https://pypi.mirrors.ustc.edu.cn/simple/
· 华中科技大学：http://pypi.hustunique.com/
· 山东理工大学：http://pypi.sdutlinux.org/
**·**豆瓣：http://pypi.douban.com/simple/

参考文章：

配置显卡驱动、CUDA、cuDNN以及说明三者之间的关系_cudnn和cuda的关系-CSDN博客