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

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

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

2.pytorch安装

以下为简洁版，详细版可以click here
2.1 打开pytorch官网

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：

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)

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

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