首先放上来自mamba官方的一句note：



![7.png](https://www.bige.xin/static/img/1fa3b3ee940a781937ab25a1517094f3.7.webp)
所以，多一事不如少一事，为了省事点，无论是anaconda还是mambaforge，安装好后，都直接创建虚拟环境，然后按需安装包，一般不会有啥冲突，当然，还是首选mambaforge，速度杠杠的！！

在anaconda的base环境下安装包遇到各种包冲突和依赖问题解决方案

先确认base环境有没有安装ipykernel
```
python -m ipykernel --version
```



如果没有安装，则安装
```
python -m pip install ipykernel
```
为jupyter添加虚拟环境内核
```
python -m ipykernel install --user --name=kernelname  --display-name showname
```
其中，kernelname为虚拟环境名称，showname为在Jupyter notebook展示的内核名

最后查看 Jupyter notebook kernel是否添加成功
```
jupyter kernelspec remove kernelname
```

在jupyter中导入虚拟环境的方法以及代码

### 自用记录，还望读者海涵，谢谢！
```
conda clean -a



conda remove --name clam --all

conda env create -n clam -f E:\\CLAM\\CLAM_Code\\docs\\clam.yaml
```
```
wsl --list --verbose
wsl --status
wsl --shutdown
wsl --unregister Ubuntu-22.04
```
```
sudo cp  /etc/apt/sources.list /etc/apt/sources.list.bak
sudo vim /etc/apt/sources.list
```
```
# 默认注释了源码镜像以提高 apt update 速度，如有需要可自行取消注释
deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ jammy main restricted universe multiverse
# deb-src https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ jammy main restricted universe multiverse
deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ jammy-updates main restricted universe multiverse
# deb-src https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ jammy-updates main restricted universe multiverse
deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ jammy-backports main restricted universe multiverse
# deb-src https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ jammy-backports main restricted universe multiverse

# deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ jammy-security main restricted universe multiverse
# # deb-src https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ jammy-security main restricted universe multiverse

deb http://security.ubuntu.com/ubuntu/ jammy-security main restricted universe multiverse
# deb-src http://security.ubuntu.com/ubuntu/ jammy-security main restricted universe multiverse

# 预发布软件源，不建议启用
# deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ jammy-proposed main restricted universe multiverse
# # deb-src https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ jammy-proposed main restricted universe multiverse
```
```
sudo apt-get update
sudo apt-get upgrade
```
```
sudo apt install build-essential
```
```
https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/Anaconda3-2023.07-2-Linux-x86_64.sh
bash Anaconda3-2023.07-2-Linux-x86_64.sh
```
```
conda config --show-sources
sudo vim .condarc
```
```
channels:
  - defaults
show_channel_urls: true
default_channels:
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r
  - 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
  pytorch-lts: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  simpleitk: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  deepmodeling: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/
```
```
conda clean -i
```
```
conda install "conda-build!=3.26.0"
```
```
conda install pytorch torchvision torchaudio pytorch-cuda=11.7 -c pytorch -c nvidia
```
在已经安装好jupyter notebook的前提下，

Alt+Ctrl+T打开终端，

先生成配置文件 :jupyter-notebook --generate-config

打开配置文件：code ~/.jupyter/jupyter_notebook_config.py（自己找到自己电脑的这个配置文件）

设置默认路径：（推荐写绝对路径),在c.NotebookApp.notebook_dir后面写上自己的工作环境路径（记得前面的#号去掉）

再次打开jupyter notebook默认的工作环境就变为自己设置的默认环境了。
```
import torch
print('CUDA版本:',torch.version.cuda)
print('Pytorch版本:',torch.__version__)
print('显卡是否可用:','可用' if(torch.cuda.is_available()) else '不可用')
print('显卡数量:',torch.cuda.device_count())
print('是否支持BF16数字格式:','支持' if (torch.cuda.is_bf16_supported()) else '不支持')
print('当前显卡型号:',torch.cuda.get_device_name())
print('当前显卡的CUDA算力:',torch.cuda.get_device_capability())
print('当前显卡的总显存:',torch.cuda.get_device_properties(0).total_memory/1024/1024/1024,'GB')
print('是否支持TensorCore:','支持' if (torch.cuda.get_device_properties(0).major >= 7) else '不支持')
print('当前显卡的显存使用率:',torch.cuda.memory_allocated(0)/torch.cuda.get_device_properties(0).total_memory*100,'%')
```

conda安装：
```
conda install matplotlib
conda install -c conda-forge opencv
```

配置ubuntu22.04深度学习环境过程中代码以及命令记录

在jupyter里面的ipynb文件中调用py文件，最好在ipynb文件最前面加上下面两行代码，这样的话修改了py文件后才会自动重新加载，否则改了py文件还是和没改效果一样。



```
%load_ext autoreload
%autoreload 2
```

在jupyter的ipynb文件里面调用py文件，最好在ipynb文件最前面加上这两行代码

如题，本人在配置深度学习环境刚安装anaconda的时候，用conda安装包速度尚可，但是随着包数量越来越多，conda卡在solving environment这一步能等到你怀疑人生！！！



经过多方搜索解决办法，发现最实用的是通过用mamba（自行搜索了解为何物）来替换conda实现，但是在用conda-forge官方社区的代码（如下）安装mamba时，同样卡在solving environment这一步，十几个小时内试了好几次未果，遂放弃寻求解决办法。

```
conda install -c conda-forge mamba
```
## 解决方法（100%有效）
打开[conda-forge官方社区里面mamba的安装包下载页面](https://anaconda.org/conda-forge/mamba/files)，根据自己的电脑系统和python版本选择相对应的mamba安装包点击下载，本人系统windows11专业工作站版，python版本3.11，所以下载的如下图版本：

![1.jpg](https://www.bige.xin/static/img/8aec178aeea83a0eb444b232f0d0a15f.1.webp)

安装包下载下来后将其移动到C盘用户文件夹下，比如我的文件路径是C:\Users\mjddh\mamba-1.5.0-py311h8cb466b_0.conda，然后打开Anaconda prompt命令窗口，输入以下安装命令即可安装成功
```
conda install --use-local mamba-1.5.0-py311h8cb466b_0.conda
```
![2.png](https://www.bige.xin/static/img/acca71e4d9d4e1dea2fa993979cadeb9.2.webp)

 然后输入mamba list测试一下，看是否安装成功，如下图所示即为成功，然后就可以开启mamba的极速安装包之路了。
 
 ![3.png](https://www.bige.xin/static/img/410b257e02ad7fe7a9349a6b9b4234cf.3.webp)