この方法では、あるコンピュータ上の Python 環境を別のコンピュータに移行することができ、パッケージ pip を 1 つずつ実行する手間を省くことができます。この記事では、例として pytorch の移行を取り上げます。
1. ソース環境からインストール パッケージをバックアップします。
元のコンピューターの Conda コンソールで次のステートメントを使用します。
pip freeze > c:\myrequirement.txt
次のパラメータはファイルのパスとファイル名であり、任意に定義できます。提供されたステートメントを使用すると、 myrequirementという名前のtxt テキスト ファイルがディスク C のルート ディレクトリに生成されます。
なお、生成されるファイルには、アドレス付きとアドレスなしの2種類のパッケージ名があり(下図参照)、アドレス付きのパッケージは直接インストールできませんので、アドレスを削除することをお勧めします。ここにあります(すべて削除します)。
2. 新しいデバイスで基本環境を構成する
まずvscode (pycharm もOK)、Anacondaをインストールし、cudaとCUDnnを設定します。以前のブログ投稿を参照してください:
Neural Network (15) VS Code で PyTorch 環境を構築するhttps://blog.csdn.net/weixin_37878740/article/details/127069779
同時に、cuda のバージョンは必ずしも一致していないため、同期前に新しい pytorch をインストールすることをお勧めします。
3. 新しい環境でインストール パッケージを同期します。
pytorch の以前のインストールによって仮想環境が構成されるため、新しいデバイスのコンソールで次のコマンドを直接使用します。
pip install -r txt文件的路径
パラメータは、以前にバックアップした txt ファイルに入力されています。インストールが完了したら、次のコマンドを使用して、インストールされているパッケージを表示できます。
pip list
これを実行すると、ほとんどの環境は直接同期できますが、一部の互換性のないパッケージが失われる可能性があります。現時点では、手動でインストールする必要があるパッケージはいくつかのみです。
ide の問題に関しては、アカウントにログインした後、vscode はすべての設定とプラグインを同期できます。サードパーティ ライブラリの参照アドレスを調整するだけで済みます。具体的な方法は、 python.analysis を見つけます。設定インターフェイスに追加のパスを追加し、Anacoda拡張ライブラリを追加します。 パスを追加します (通常は、インストール パスの下にある/Lib/site-package )。
以下も参照してください。
4番目、最後に書きます
実際に手順が書かれており、次のステップは今回踏んだ落とし穴です。
1. pytorch が正式にサポートする CUDA の最新バージョンはバージョン 11.8 です。40 シリーズ カードの場合は、CUDA 12.1 をインストールしないでください。そうしないと、pytorch をインストールできません。
2. matplotlib を描画に使用している場合は、pyqt をアンインストールするのが最善です。そうしないと、説明できないバグが発生する可能性があります。
3. その後の構成を容易にするために、conda をインストールするときにアドレスを覚えておくことをお勧めします。