Anaconda命令参考，安装tensorflow-gpu、Cuda、cudnn，pytorch、jupyter

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