Ubuntu 22.04 anaconda pip换源

1. 打开终端，输入以下命令进入conda环境：

conda activate

2. 输入以下命令安装pip：

conda install pip

3. 输入以下命令进入pip的配置文件目录：

cd ~/.pip

4. 输入以下命令备份pip配置文件：

cp pip.conf pip.conf.bak

5. 输入以下命令编辑pip配置文件：

nano pip.conf

6. 在pip配置文件中添加以下内容，修改为自己的镜像源地址：

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

7. 保存文件并关闭编辑器。

现在，你的pip源已经成功更换为清华大学的镜像源了。你可以通过以下命令测试是否生效：

pip install numpy

相关问题

Ubuntu 22.04 anaconda pip换阿里源

1. 打开终端，输入以下命令安装anaconda和pip：

   wget https://repo.anaconda.com/archive/Anaconda3-2021.11-Linux-x86_64.sh
   bash Anaconda3-2021.11-Linux-x86_64.sh
   source ~/.bashrc
   conda update conda
   pip install -U pip

2. 输入以下命令修改pip的源为阿里云源：

   mkdir ~/.pip
   touch ~/.pip/pip.conf
   echo "[global]" >> ~/.pip/pip.conf
   echo "index-url=https://mirrors.aliyun.com/pypi/simple/" >> ~/.pip/pip.conf
   echo "[install]" >> ~/.pip/pip.conf
   echo "trusted-host=mirrors.aliyun.com" >> ~/.pip/pip.conf

3. 输入以下命令验证pip源是否修改成功：

   pip config list

如果输出中有以下内容，说明成功修改为阿里云源：

   global.index-url='https://mirrors.aliyun.com/pypi/simple/'
   install.trusted-host='mirrors.aliyun.com'

ubuntu22.04pytorch

### 如何在 Ubuntu 22.04 上安装和配置 PyTorch

#### 准备工作
确保已经成功安装了所需的显卡驱动程序[^1]。

#### 使用 Conda 或 Pip 安装 PyTorch
对于大多数用户来说，推荐通过 `pip` 或者 Anaconda 的 `conda` 来安装预构建的二进制包形式的 PyTorch。这可以简化依赖管理，并提供更便捷的方式获取适合特定硬件环境（比如带有 GPU 支持）的最佳版本组合。

##### 方法一：使用 pip 安装官方发布的稳定版 PyTorch
打开终端执行如下命令来安装最新稳定版 PyTorch：

pip install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu113

上述命令适用于具有 NVIDIA CUDA 11.3 版本兼容性的系统；如果没有GPU，则应移除 URL 参数以获得 CPU-only 的 PyTorch 发行版。

##### 方法二：利用 conda 进行安装
首先按照指引下载并安装 Miniconda 或完整的 Anaconda 分发版[^3]。之后，在创建新的虚拟环境中加入 pytorch 渠道作为优先级最高的渠道之一，接着运行以下指令完成安装过程：

conda create --name myenv python=3.9
conda activate myenv
conda install pytorch torchvision torchaudio cudatoolkit=11.3 -c pytorch

这里同样指定了 cuda 工具集的具体版本号以便匹配目标平台上的图形处理器特性。

#### 配置环境变量 (可选)
为了使系统能够找到已安装的 CUDA 库文件路径，可能还需要设置一些必要的环境变量。可以通过编辑用户的 shell profile 文件实现这一点，例如 `.bashrc` 或者 `.zshrc` 中添加下列语句[^4]:

export LD_LIBRARY_PATH=/usr/local/cuda/lib64:/usr/local/cuda/extras/CUPTI/lib64
export CUDA_HOME=/usr/local/cuda/bin
export PATH=$PATH:$LD_LIBRARY_PATH:$CUDA_HOME

保存更改后重新加载该配置文件使之生效:

source ~/.bashrc

#### 测试安装是否成功
最后一步是在 Python 解释器内部验证 PyTorch 是否能正常识别到可用的 GPU 设备：

import torch
print(torch.cuda.is_available())

如果返回 True 表明一切就绪！