[人工智能]cuda、cudnn、nvidia驱动版本、linux内核版本的对应，pytorch、tensorflow、paddle对应的cuda、cudnn版本 conda源、pip源配置

本文把许多深度学习相关环境配置、版本查询和镜像源配置的基础操作都统一整理出来，提升实际操作的效率。

1、docker+conda配置深度学习环境

cuda、cudnn、nvidia驱动版本、linux内核版本的对应，pytorch、tensorflow、paddle对应的cuda、cudnn版本，可见本人的另一篇博客：

构建docker环境能够运行自己的GPU服务，能够快速适应不同宿主机的GPU型号、操作系统和驱动。linux版本、nvidia驱动、cuda、cudnn，docker+conda安装深度学习环境_chen10314的博客-CSDN博客

2、conda源配置

输入conda info查看conda的配置文件，一般来说windows系统在用户(user)/用户名/.condarc下，linux系统的话要看你的conda装哪里了，可能/home/用户名/.condarc，也可能/opt/conda/.condarc

conda info

总之，位置认准下图圈的这个位置就行了

docker中conda源配置

（1）一般来说在docker环境下装了conda后，也会需要配置conda源，配置方式和上面说的一样，conda info找配置文件在哪里，然后更换就行了。

（2）宿主机本身有配好的conda源，那就更加简单了，启动容器的时候挂载一个目录，之间cp替换掉容器里面的.condarc就行了。

conda源配置

将conda源中的内容?改为一下内容就可以用清华的conda源了，当然也可以换其他的

channels:
  - defaults
show_channel_urls: true
channel_alias: https://mirrors.tuna.tsinghua.edu.cn/anaconda
default_channels:
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/pro
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2
custom_channels:
  conda-forge: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  msys2: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  bioconda: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  menpo: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  pytorch: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  simpleitk: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud

pip源配置

pip源可以用 -i 配置临时源

pip install xxx -i  https://pypi.tuna.tsinghua.edu.cn/simple

?一般默认pip配置文件windows下叫做pip.ini； linux下叫做pip.conf?

改成以下内容就可以用清华源了

[global]
timeout = 6000
index-url = https://pypi.tuna.tsinghua.edu.cn/simple
trusted-host = pypi.tuna.tsinghua.edu.cn

如何确定pip源在什么地方呢？这里涉及一些用户权限的问题，本文给新手提供直接点的方式：

pip config debug

?这里你用的pip是哪个模态的，就修改相应配置。

笔者写博客时用的环境只有user权限下的配置：C:\Users\czy\pip\pip.ini