Anaconda图形界面打不开了,使用Anaconda Prompt命令行同样干活。
1 管理conda
(1) 查看conda版本
conda --version
(2) 升级conda自身
conda update -n base -c defaults conda
(3) 升级conda当前环境所有包
conda clean --all
conda update --all
(4) conda设置国内源
清华的源:
conda config --add channels http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/win-64
注意是http,不是https,url后面要带上平台
(5)显示已安装的源
conda config --show channels
(6) 删除已安装源
conda config --remove channels
(7) 安装包
conda install package=version
(8)查看已安装的包&查找可安装包
pip list 或 conda list
conda search somePackage
(9) 删除环境&移除包
删除someEnv配置环境及其中的包
conda remove -n someEnv --all
删除someEve中的packageName
conda remove -n someEnv packageName
或 conda uninstall semePackage
2 管理运行环境
(1) 创建新运行环境、复制运行环境
conda create --name newEnvName numpy scipy python=2.8 创建名为newEnvName的新运行环境,并包含numpy scipy两个包,使用Python的版本为2.8。
假如想备份已有的环境(吐槽一下python包实在太多了,相互之间还存在着不兼容),如下可以为env创建一个名为envBackup的运行环境:
conda create -n envBackup --clone env
(2) 激活新运行环境
- Windows: activate snowflakes
- Linux and macOS: source activate snowflakes
(3) 查看所有运行环境
conda env list(或conda info --envs) 查看所有运行环境
当前激活的运行环境有且只有一个,前有星号(*)标注.
(4) 修改当前运行环境为非激活状态
- Windows: deactivate
- Linux and macOS: source deactivate
(5)删除运行环境
conda remove -n flowers --all
删除运行环境之后可以通过命令查看运行环境是否删除: conda info -e
3.安装tensorflow-gpu
首先查找相应的python(3.8)版本和需要安装的tensorflow(2.4)版本或pytorch(1.8.2),从navida官网下载相对应的cuda(V11.1)和cudnn(8.0.5)并安装。
用如下命令安装
conda create --name tensorflow23py38 python=3.8
conda activate tensorflow23py38
conda install tensorflow-gpu=2.4.0
或者pip install tensorflow-gpu==2.4.0 -i https://pypi.tuna.tsinghua.edu.cn/simple
conda install cudatoolkit=11.1
conda install cudnn=8.0.5
验证tensorflow是否安装成功,运行python
import tensorflow as tf
os.environ['TF_XLA_FLAGS'] = '--tf_xla_enable_xla_devices' #这个是2.4版本的问题,别的版本会自动注册XLA
tf.test.is_gpu_available()
或者
from tensorflow.python.client import device_lib
print(device_lib.list_local_devices())
如果有GPU信息则表明安装成功。
4.安装pytorch gpu
一种简单的方式:
pip install torch==1.8.1+cu111 torchvision==0.9.1+cu111 torchaudio==0.8.1 -f https://download.pytorch.org/whl/torch_stable.html -i https://pypi.tuna.tsinghua.edu.cn/simple
上面的命令下载过程太慢,把所需的安装包下载下来,独立安装,
从:https://download.pytorch.org/whl/lts/1.8/torch_lts.html,下载所需的pytorch版本(1.8.1),torchvision(0.9.1), torchaudio(0.8.1),注意cpu版本和gpu版本。
下载下来后,
conda install cu111/torch-1.8.1%2Bcu111-cp38-cp38-win_amd64.whl
conda install cu111/torchvision-0.9.1%2Bcu111-cp38-cp38-win_amd64.whl
conda install torchaudio-0.8.1-cp38-none-win_amd64.whl
验证pytorch是否安装成功,进入conda相应的python环境,
import torch
print(torch.__version__ )# 查看pytorch版本
print(torch.cuda.is_available()) # 判断pytorch是否支持GPU加速
print(torch.version.cuda) # 查看CUDA版本
print(torch.backends.cudnn.version()) # 查看cuDNN版本
print(torch.cuda.get_device_name()) # 查看显卡类型,设备索引默认从0开始
5.设置jupyter notebook
在tensorflow23py38环境下,安装ipykernel内核包
pip install ipykernel -i https://pypi.tuna.tsinghua.edu.cn/simple
python -m ipykernel install --name tensorflow23py38 --display-name tensorflow23py38
启动jupyter notebook,切换内核即可。
6.安装其他包
pip install gym=0.19.0 -i https://pypi.tuna.tsinghua.edu.cn/simple
pip install gym[atari] -i https://pypi.tuna.tsinghua.edu.cn/simple
pip install stable-baselines[mpi] -i https://pypi.tuna.tsinghua.edu.cn/simple