C'est presque complet avec le titre. Si Anaconda a trop de packages supplémentaires, il vous suffit d'installer les packages dont Miniconda a besoin.
Des articles sur la création d'un environnement Python sont publiés régulièrement pour les débutants. Et je pense que beaucoup d'entre eux ont également installé Tensorflow ou Pytorch.
CUDA est un problème dans la construction de l'environnement. Vous devez sélectionner et installer correctement la version CUDA et la version Tensorflow ou Pytorch.
Je pense que cela a les désagréments suivants.
―― Il est difficile de vérifier simplement la version correspondante et de l'installer. ―― À propos, l'installation de CuDNN est également gênante.
Anaconda résout ces tracas.
CUDA est également lié en tant que package dépendant de Tensorflow et Pytorch, de sorte que la version appropriée est automatiquement sélectionnée et installée. En plus de CUDA, vous pouvez également installer des outils tels que git et cmake, ce qui est utile même si vous ne disposez pas des privilèges root.
Anaconda dispose également d'une fonctionnalité d'environnement virtuel pour coexister plusieurs environnements Python. Avec Anaconda, CUDA est installé dans l'environnement virtuel, de sorte que plusieurs environnements CUDA peuvent coexister. À ce stade, vous n'aurez pas à vous soucier de la définition du chemin CUDA.
Il semble que non seulement l'environnement virtuel que j'ai essayé d'installer avec pip, mais également d'autres environnements virtuels sont rompus. Par conséquent, il existe un argument selon lequel vous devez créer un environnement virtuel avec pyenv et y installer Anaconda. (Dans pyenv, chaque environnement virtuel est complètement indépendant, mais dans Anaconda, les packages installés dans l'environnement virtuel sont liés en dur, ce qui affecte également d'autres environnements virtuels.)
Au fait, je n'ai jamais cassé l'environnement avec pip, mais j'ai eu l'environnement cassé à cause d'un bogue dans le gestionnaire de paquets conda d'Anaconda.
Veuillez noter que ceci est destiné aux personnes qui utilisent Tensorflow ou Pytorch dans les universités ou les entreprises.
Il y a pyenv et pipenv, mais je ne les ai pas du tout étudiés. S'il y a une meilleure façon, veuillez nous apprendre.
Les opinions, contre-arguments, commentaires, etc. sont les bienvenus. En particulier, encore une fois, s'il existe un meilleur moyen, veuillez laisser un commentaire ou publier un article.