(torch) C:\Users\Administrator>conda install pytorch torchvision torchaudio pytorch-cuda=11.7 -c pytorch -c nvidia -i https://pypi.tuna.tsinghua.edu.cn/simple usage: conda-script.py [-h] [-V] command ... conda-script.py: error: unrecognized arguments: -i https://pypi.tuna.tsinghua.edu.cn/simple

这个错误是因为你在使用 `conda install` 命令时，参数的顺序不正确。正确的命令应该是：

conda install -c pytorch -c nvidia pytorch torchvision torchaudio cudatoolkit=<your_cuda_version>

其中 `<your_cuda_version>` 是你安装的 CUDA 版本号，比如 `11.1` 或 `11.2`。这个命令会安装 PyTorch 和相关的依赖库，并且会自动匹配你的 CUDA 版本。如果你想安装 GPU 版本的 PyTorch，需要确保你已经正确安装了 NVIDIA 的驱动程序和 CUDA 工具包。

相关问题

base) C:\WINDOWS\system32>conda activate pytorch 此时不应有 \ZA\envs\pytorch\Library\ssl\cacert.pem。

根据提供的引用内容，您可能需要重新安装Anaconda3并创建新的PyTorch环境。在创建新环境后，您可以验证是否存在 \ZA\envs\pytorch\Library\ssl\cacert.pem 文件。如果存在，您可以尝试手动删除该文件并重新验证安装。以下是可能有用的步骤：

1. 卸载旧版本的Anaconda3。
2. 下载最新版本的Anaconda3并按照提示进行安装。
3. 打开Anaconda Prompt并输入以下命令以创建新的PyTorch环境：

   conda create --name pytorch

4. 激活新环境：

   conda activate pytorch

5. 安装PyTorch：

   conda install pytorch torchvision torchaudio -c pytorch

6. 验证安装成功：

   python
   import torch
   print(torch.__version__)

7. 如果您仍然遇到问题，请尝试手动删除 \ZA\envs\pytorch\Library\ssl\cacert.pem 文件并重新验证安装。

conda create -n prompt python=3.7 conda activate prompt pip install -q tensorflow # specifying tfds versions is important to reproduce our results pip install tfds-nightly==4.4.0.dev202201080107 pip install opencv-python pip install tensorflow-addons pip install mock conda install pytorch==1.7.1 torchvision==0.8.2 torchaudio==0.7.2 cudatoolkit=11.0 -c pytorch python -m pip install detectron2 -f \ https://dl.fbaipublicfiles.com/detectron2/wheels/cu110/torch1.7/index.html pip install opencv-python conda install tqdm pandas matplotlib seaborn scikit-learn scipy simplejson termcolor conda install -c iopath iopath # for transformers pip install timm==0.4.12 pip install ml-collections # Optional: for slurm jobs pip install submitit -U pip install slurm_gpustat

这段代码是用来创建一个名为 "prompt" 的 Conda 环境，并安装一些常用的 Python 库和机器学习框架，例如 TensorFlow、PyTorch、Detectron2、Transformers 等。其中，指定了 TensorFlow Datasets 的版本号为 4.4.0.dev202201080107，这是为了能够复现作者的实验结果。另外，还安装了一些用于辅助开发的库，如 opencv-python、tqdm、pandas、matplotlib、seaborn、scikit-learn、scipy、simplejson、termcolor 等。如果要在 Slurm 集群上运行分布式训练任务，可以安装 submitit 和 slurm_gpustat。