如何在创建Conda环境时排除CUDA配置适配无CUDA离线机器？

可以在源机器创建/调整环境时排除CUDA相关配置，以下是具体可行的方案：

方法一：新建无CUDA依赖的环境（推荐） #

在源机器上直接创建仅包含CPU版本依赖的环境，从根源避免CUDA配置混入：

• 创建并激活新环境：

  conda create -n cpu_only_env python=3.x  # x替换为你需要的Python版本
  conda activate cpu_only_env
  

• 安装依赖时明确指定CPU版本，以常用的PyTorch为例：

  conda install pytorch torchvision torchaudio cpuonly -c pytorch
  

• 安装其他包时，若不确定是否有CPU版本，可通过conda search <package_name>查看版本列表，选择不带cuda标识的版本安装。

方法二：清理现有环境的CUDA依赖 #

如果不想重新搭建环境，可在源机器上对已有的环境做CUDA依赖移除：

• 激活目标环境：

  conda activate your_current_env
  

• 卸载CUDA核心依赖包：

  conda remove cuda-toolkit cudnn
  

• 将依赖CUDA的包替换为CPU版本，比如PyTorch：

  conda install pytorch torchvision torchaudio cpuonly -c pytorch --force-reinstall
  

• 验证清理结果：运行conda list，确认输出中无任何带cuda、cudnn字样的包。

迁移前验证 #

在源机器上强制以CPU模式测试环境可用性，确保迁移后无问题：

• 以PyTorch为例，运行以下代码：

  import torch
  print(torch.cuda.is_available())  # 正常输出应为False
  

• 运行你的业务代码，确认功能正常后再执行迁移操作。

内容的提问来源于stack exchange，提问作者overfit