Hello, PyTorch (1.5) | 环境配置（非 Docker 版)

安装 pixi#

pixi 是一个跨平台的、与 conda 兼容的、通过 lock 文件保证可移植性的 python 管理工具。在终端中执行如下命令安装 pixi，其中进行了一次字符串替换，以使用 github 镜像站点进行下载：

• Windows：

  1
  powershell -ExecutionPolicy ByPass -c "(irm -useb https://pixi.sh/install.ps1).Replace('https://github.com', 'https://github.site') | iex"

• Linux/macOS：

  1
  curl -sSL https://pixi.sh/install.sh | sed 's|https://github.com|https://github.site|g' | bash

安装完成后，可以使用 pixi 命令进行包管理。建议参考官网为 pixi 添加命令补全。还需要为 pixi 添加国内镜像源，以加速包的下载。在终端中执行如下命令：

1
pixi config edit --global

此时会用系统自带的文本编辑器打开一个文件，在其中粘贴如下内容：

1
~/.pixi/config.toml
2
[pypi-config]
3
index-url = "https://mirrors.tuna.tsinghua.edu.cn/pypi/web/simple"

使用 pixi 安装 Pytorch 环境#

新建一个目录，例如 ~/workspace/python，用于存放所有新的 Python 项目的文件夹。在终端中进入该文件夹后执行如下命令：

1
pixi init any_name --format pyproject

这会创建一个 ~/workspace/python/any_name 文件夹，目录结构为：

1
any_name/
2
├── src/
3
│   └── any_name/
4
│       └── __init__.py
5
└── pyproject.toml

其中 pyproject.toml 是项目的配置文件，src/ 是项目的源代码目录。打开 pyproject.toml 文件，添加如下内容：

1
[tool.pixi.feature.gpu.system-requirements]
2
cuda = "12.0"
3

4
[tool.pixi.feature.gpu.dependencies]
5
cuda-version = "12.6"
6
pytorch-gpu = "*"
7

8
[tool.pixi.feature.cpu.dependencies]
9
pytorch-cpu = "*"
10

11
[tool.pixi.environments]
12
cpu = ["cpu"]
13
default = ["gpu"]

接着在终端中执行如下命令：

1
pixi add scipy matplotlib deepxde

安装 pyproject.toml 中列出的依赖和新增的绘图库和深度学习库依赖，其中 DeepXDE 是一个多后端的深度学习库，主要用于数学求解。