高性能应用服务 HAI 管理 Python 虚拟环境依赖

应用实例内置的 Python 版本是 3.8，内置的 Python 环境管理工具是 Miniconda。您可以使用 conda 命令管理 Python 环境。
创建新的虚拟环境
您可以创建新的虚拟环境，并在新的虚拟环境中指定 Python 版本。 
# -n new_env：指定新环境的名称，指定为new-env
conda create -n new_env python==3.9
﻿
# 查看所有虚拟环境
conda env list
﻿
# 切换虚拟环境
conda activate new_env
﻿
# 退出虚拟环境
conda deactivate
安装 Python 依赖
Python 依赖可以通过conda或pip命令安装，已经安装的 Python 依赖的版本等信息可以通过conda list或pip list查看。
# 通过conda安装python依赖示例
conda install numpy
﻿
# 通过pip安装python依赖示例
pip install numpy
﻿
# 查看虚拟环境中的依赖
conda list
pip list
﻿
# 安装其他版本的pytorch，在https://pytorch.org/get-started/previous-versions/查找相关的安装指令
conda install pytorch==2.0.1 torchvision==0.15.2 torchaudio==2.0.2 pytorch-cuda=11.8 -c pytorch -c nvidia
配置 conda 环境级别的 CUDA 和 cuDNN
如果在同一个机器里部署的不同工程对 CUDA 和 cuDNN 的版本要求不同，可以在单个虚拟环境里，通过conda命令部署 CUDA 和 cuDNN。
如果在 conda 环境和系统中都安装了CUDA 和 cuDNN，一般默认优先使用 conda 环境里的 CUDA 和 cuDNN。
涉及编译的，只能使用系统 CUDA，conda 环境级别的 CUDA 或 cuDNN 在编译时会报错。
conda install cudatoolkit==xx.xx
conda install cudnn==xx.xx
﻿
﻿
﻿

管理 Python 虚拟环境依赖

本页目录：

创建新的虚拟环境

安装 Python 依赖

配置 conda 环境级别的 CUDA 和 cuDNN