写在最前：
入门的时候就应该有包管理意识，不要像我一样、用了两年、怒删所有的Python环境，重新安装。
文章目录
Windows下安装Anaconda
官网下得比较慢，去清华镜像站下载的Anaconda，能保证pip、conda都使用了清华镜像，非常方便。
点击这里到清华镜像站下载Anaconda。
选择合适的版本下载。
下载完成后，双击安装包，除了安装路径最好是自定义之外，其他的可以直接next。
安装完成后，手动添加两个环境变量：①安装路径/Scripts；②安装路径。
如果对安装过程的选择还有疑惑，可参考博客：anaconda安装-超详细版。
PS：之后的步骤同样适用于Linux
pip安装pytorch
一、创建虚拟环境
查看所有的虚拟环境的指令：
conda info --envs
方式一：默认路径
默认路径是安装路径/envs/名字。
默认目录创建虚拟环境：
conda create --name 名字 python=3.9
激活环境：
conda activate 名字
删除普通的虚拟环境：
conda env remove --name 名字
方式二：指定目录
指定目录下创建后，再将pip安装的包全部放在该目录下，能够妥善管理自己安装的包。
Anaconda所在的磁盘没有内存了，就需要用到这个方法。
在指定目录创建conda虚拟环境：
conda create --prefix=目录 python=3.9
目录的文件夹就是虚拟环境的名称。
激活环境：
conda activate 目录
删除指定目录的虚拟环境：
conda env remove -p 目录
二、修改pip默认安装路径
pip安装的包往往自动放在虚拟环境的site-packages目录下。
但是，这其实是因为其他目录都不奏效。
一旦有某个优先级更高的目录奏效，pip安装的包将被安装到不知道什么地方去。
所以还是提前改一下吧。
第一步，查看pip默认安装路径：
python -m site
可以看到当前python的默认安装路径，和pip的默认位置。
第二步，运行：
python -m site -help
可以看到site.py文件位置。
修改site.py文件中的USER_SITE和USER_BASE。其中USER_SITE是安装的库的位置，USER_BASE是调用的pip指令的位置。
例如下图：
注：默认路径的虚拟环境，SITE和BASE如上图；而指定目录的虚拟环境，SITE和BASE分别是
目录//lib/python3.9/site-packages和目录/bin'。
接下来，你安装的包都会在虚拟环境下了。
注：若你不幸在修改路径前，就已经开始安装某个包，则需要先删除pip缓存。
在Linux中，pip缓存在~/.cache/pip目录下，可使用sudo rm -rf ~/.cache/pip/*删除。
Windows不知道，缓存就缓存吧，不差这点内存。
挺好。对Linux也是通用的。
如果还有疑惑，可参考博客：【强迫症系列】【win】更改 Python 的 pip install 默认安装依赖路径。
三、pip安装pytorch
前面都是些小技巧，
就算不做也不影响pytorch安装。
conda安装和pip安装都行，只是conda安装会装在Anaconda目录\pkgs下。pip安装的路径更可控一些。
求求那些教程别把孩子们误导去安装离线包了，救救孩子。conda和pip是不好用吗？
运行指令，查看自己的显卡的版本号：
nvidia-smi -i 0
然后，去官网查安装的指令。
如下图所示。
问：“官网生成的指令，是
cuda 11.3的，但我是cuda 11.2的显卡。此时应该怎么办？”
答：修改指令。改成.... .../cu112。
但实际上，pytorch恰好没发布专门支持cuda 11.2的版本。
往更低改就行了。改成.... .../cu111。
安装完成后，注意检查是否安装在心仪的目录下：
一些附加内容
一、安装依赖torch-geometric、torch_sparse等
打开官网，它有介绍怎么下载这些东西。Installation — pytorch_geometric 2.0.0 documentation。
不需要去下载whl文件！只要pip就可以了！
如果没有你想要的版本，就修改指令。
可能遇到的问题：libcusparse.so.11不存在
安装后，运行代码时报错：OSError: libcusparse.so.11: cannot open shared object file: No such file or directory。
原因：没有装Cuda，所以找不到文件。
解决：安装你对应版本的cuda。
如cuda11.4版本，可以运行：
wget https://developer.download.nvidia.com/compute/cuda/11.4.4/local_installers/cuda_11.4.4_470.82.01_linux.run
sudo sh cuda_11.4.4_470.82.01_linux.run
直接一路next就行。
如果不是cuda11.4版本，可以在官网搜索自己的版本，然后再根据官网的指令下载。点击这里进入官网的搜索结果。
如果还有疑问，可以参考博客：OSError: libcusparse.so.11: cannot open shared object file: No such file or directory。
二、Linux下Opencv的安装
[Opencv]源码编译：Linux系统下opencv3.4.1安装教程。
三、PyCharm专业版远程连接服务器
首先，做基本的配置。点击这里查看详细的配置教程。
配置完成后，利用Tools-Deployment的功能即可实现文件的上传、下载、对比、同步。如下图所示。
这样本地修改之后推送到服务器上就行了。而且能够本地运行和调试，很方便。
THE END
