文章目录
- conda命令大法
* - 1.创建虚拟环境
- 2.激活虚拟环境
- 3.管理环境
- 4.退出虚拟环境
- 5.删除虚拟环境
- 6.常用conda命令
- 7.conda镜像源加速
- 8.conda与pip
- 实战！深度学习环境搭建(pytorch,tensorflow)
* - 1.新建一个环境，激活环境
- 2.pytorch安装
- 3. tensorflow安装
- 4.其他深度学习常用包安装
conda命令大法
当你得到一个新项目时，你通常需要创建一个新的虚拟环境
[En]
When you get a new project, you usually need to create a new virtual environment
1.创建虚拟环境
- 创建名为 my_env_name 的环境(此时python版本为最新)
conda create -n my_env_name
- 创建指定python版本的环境(通常安装和Anaconda相同版本的python)
conda create -n my_env_name python=2.7
conda create -n my_env_name python=3.7
- 创建包含某些包(numpy,pandas)的环境
conda create -n my_env_name python=3.7 numpy pandas
2.激活虚拟环境
activate my_env_name # windows
source activate my_env_name # linux
#windows,linux通用
conda activate my_env_name
3.管理环境
查看当前创建的环境(验证是否已成功添加新创建的环境)
[En]
View the currently created environment (verify that the newly created environment was successfully added)
conda env list
conda info -e
查看当前环境的信息
conda info
4.退出虚拟环境
windows/linux退出当前虚拟环境
conda deactivate
5.删除虚拟环境
conda remove -n my_env_name –all # 会询问是否确定删除
conda env remove -n my_env_name # 直接删除环境
6.常用conda命令
命令含义
conda install package_name
安装包conda install
package_name
=x.x安装包指定版本的包
conda list
查看当前所有已安装的包conda uninstall
package_name
卸载包conda update
package_name
更新指定的包conda update –all更新所有的包
conda help
查看conda的常用命令(官方)
7.conda镜像源加速
(1) 查看源：
国内下载某些包时速度很慢，这时候可以用镜像源来加速，首先查看当前已添加的源（一般至少会有个default源）
conda config –show-sources
conda config –show channels
(2) 添加源
conda config –add channels xxxx
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/main/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/conda-forge/
conda config --add channels https://mirrors.aliyun.com/pypi/simple/
conda config --set show_channel_urls yes
这样下载就会快很多了……添加好了可以再用（1）中命令查看确认
(3) 移除源
conda config –remove channels xxx
conda config --remove channels 'https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/'
另外，也可以用pip来加速
- 临时设置：直接在pip末尾加镜像链接
pip install package_name -i https://pypi.tuna.tsinghua.edu.cn/simple
pip install pandas -i https://pypi.tuna.tsinghua.edu.cn/simple
pip install pandas -i http://mirrors.aliyun.com/pypi/simple/ --trusted-host mirrors.aliyun.com
- *永久设置：
pip install pip -U # 先升级pip
pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple
- *查看镜像源
pip3 config list
- *移除镜像源
pip config unset global.index-url
8.conda与pip
conda与pip有很多相似之处，很多命令可以通用。
pip是Python官方的包管理工具；conda是更广泛应用的工具，除了可以安装包，还可以创建环境。
官方:Understanding Conda and Pip
pip常用命令含义pip install
package_name
安装包pip list查看已安装的包pip uninstall
package_name
卸载包
pip install –upgrade package_name
更新包pip list –outdated查看有新版本的第三方库
pip show package_name
有关更多信息，请查看安装包的详细信息：
[En]
View the details of the installation package for more:
- Q1:pip list 和 conda list 区别?
pip下的list是conda下list的子集。conda 除了虚拟环境下的包还有关联文件下的，pip只有当前虚拟环境下的包。 - Q2:pip install 和 conda install区别？
简单版：
pip是用来安装python包的，安装的是python wheel或者源代码的包。不会去支持python语言之外的依赖项。
conda是用来安装conda package，虽然大部分conda包是python的，但它支持了不少非python语言写的依赖项。
conda和pip对于环境依赖的处理不同；pip的包跟conda不完全重叠
详细版:click here
实战！深度学习环境搭建(pytorch,tensorflow)
1.新建一个环境，激活环境
打开Anaconda Prompt,（安装Anaconda,官网下载)
conda create -n nanyidev python=3.7
conda activate nanyidev
; 2.pytorch安装
以下为简洁—— 命令版：
2.1 打开pytorch官网
（cuda10.2的windows版本已被弃用如下图，linux还可以使用）
所以只能CUDA 11.3，这就需要考虑驱动的版本，参考下面这张图。网站链接：The Release Notes for the CUDA Toolkit.
所以按照上图，cuda11.3的需要的
Driver Version驱动版本应该大于465.19.01（下图是我电脑的nvidia驱动，在dos命令中输入 nvidia-smi即可查看）
如果没有GPU或者版本升级的问题可以参见： click here
2.2 安装命令
windows下：一般用cuda命令
conda install pytorch torchvision torchaudio cudatoolkit=11.3 -c pytorch
实测网速很慢—— 添加镜像
按照之前的添加规则，您可以先查看以下当前源：
[En]
According to the previous addition rule, you can first view the following * current sources * :
(可以看到，清华镜像已经被添加，所以你可以添加所有三个清华镜像。)
[En]
(it can be seen that the Tsinghua image has been added, so you can add all three Tsinghua images.)
然后添加 pytorch的镜像源
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
最后再输入命令，此时不需要后面的 -c python (否则会默认下载就很慢) , 即：
conda install pytorch torchvision torchaudio cudatoolkit=11.3
命令过程如下图：
（一般来说速度会起飞，但是也有网速的不佳的时候。如果下载失败，可以在安装前添加命令
conda config --set remote_read_timeout_secs 1000.0，参考这篇文章：click here）
linux下：一般用pip命令
pip3 install torch torchvision torchaudio
2.3 验证
输入python再回车，输入下面命令
import torch
print(torch.cuda.is_available())
3. tensorflow安装
以下为简介版，详细版：click here
3.1 新建环境，激活环境（与pytorch安装第一步一样）
3.2 安装tnesorflow2.x的cpu版本
官网 推荐pip安装，cpu版本比较简单
pip install tensorflow
实测很慢，加一个镜像源（不指定版本就是最新版本）
eg.pip install tensorflow==2.0.0 -i https://pypi.tuna.tsinghua.edu.cn/simple
验证：
3.3 安装tensorflow2.x的GPU版本
仅以2.0.0为例
1.conda install cudatoolkit=10.0 cudnn # 首先需要安装cuda和cudnn
2.pip install tensorflow-gpu==2.0.0 -i https://pypi.tuna.tsinghua.edu.cn/simple
其他版本参加官网(主要就是cuda和cudnn版本要匹配)
验证：
相同的方法验证，此时print( tf.test.is_gpu_available())输出为True，表示Tensorflow-GPU安装成功。
3.4 验证命令（方便复制）
在当前虚拟环境下进入python环境，再依次输入以下代码（图片如上）
import tensorflow as tf
print(tf.version) # 输出安装的版本
print( tf.test.is_gpu_available()) # 输出是否可以使用gpu
; 4.其他深度学习常用包安装
包描述命令numpy科学计算包conda install numpypandas数据处理工具包conda install pandasmatplotlib绘图工具包conda install matplotlibscipy数学工具包，基于numpyconda install scipyscikit-learn机器学习工具conda install sklearnkeras高级神经网络APIconda install keras
当您得到项目时，安装缺少的库。
[En]
When you get the project, install whatever library is missing.
参考连接：
https://blog.csdn.net/hejp_123/article/details/92151293
Original: https://blog.csdn.net/ji_meng/article/details/123733200
Author: nanyidev
Title: Anaconda环境创建、激活等常用命令&深度学习(pytorch、tensorflow)环境搭建
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/497340/
转载文章受原作者版权保护。转载请注明原作者出处！