Anaconda环境创建、激活等常用命令&深度学习(pytorch、tensorflow)环境搭建

conda命令大法

当你得到一个新项目时,通常需要创建一个新的虚拟环境

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(验证新创建的环境是否添加成功)

conda env list
conda info -e

查看有关当前环境的信息

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

# 清华镜像
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/
# 中科大镜像
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/
# 阿里镜像
conda config --add channels https://mirrors.aliyun.com/pypi/simple/

# 显示检索路径,每次安装包时会将包源路径显示出来
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 installpackage_name-i https://pypi.tuna.tsinghua.edu.cn/simple

# 用清华镜像源安装pandas包
pip install pandas -i https://pypi.tuna.tsinghua.edu.cn/simple
# 用阿里镜像安装pandas(需要在后面再加一句信任说明)
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查看安装包的详细信息

更多:官方

  • 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

Anaconda环境创建、激活等常用命令&深度学习(pytorch、tensorflow)环境搭建
Anaconda环境创建、激活等常用命令&深度学习(pytorch、tensorflow)环境搭建

2.pytorch安装

以下为简洁版,详细版可以click here
2.1 打开pytorch官网
Anaconda环境创建、激活等常用命令&深度学习(pytorch、tensorflow)环境搭建
2.2 安装命令
windows下:一般用cuda命令

CUDA-10.2 PyTorch builds are no longer available for Windows, please use CUDA-11.3

linux下:一般用pip命令

pip3 install torch torchvision torchaudio

2.3 验证
输入python回车,再输入下面命令

import torch   # 没有报错就成功了
print(torch.cuda.is_available())  # 输出True就代表可以用GPU

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,加个镜像源(不​​指定版本为最新版本)
eg.pip install tensorflow==2.0.0 -i https://pypi.tuna.tsinghua.edu.cn/simple

核实:
Anaconda环境创建、激活等常用命令&深度学习(pytorch、tensorflow)环境搭建
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)
Anaconda环境创建、激活等常用命令&深度学习(pytorch、tensorflow)环境搭建
核实:
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

描述命令
numpy科学计算包conda install numpy
pandas数据处理工具包conda install pandas
matplotlib绘图工具包conda install matplotlib
scipy数学工具包,基于numpyconda install scipy
scikit-learn机器学习工具conda install sklearn
keras高级神经网络APIconda install keras

获得项目后,安装您缺少的任何库…

参考链接:
https://blog.csdn.net/hejp_123/article/details/92151293

文章出处登录后可见!

已经登录?立即刷新

共计人评分,平均

到目前为止还没有投票!成为第一位评论此文章。

(0)
心中带点小风骚的头像心中带点小风骚普通用户
上一篇 2022年3月29日 下午3:00
下一篇 2022年3月29日 下午3:27

相关推荐