深度学习环境配置

换源

Windows下的pip换源：

假如我的pip位置是：

(tensorflow) C:\Users\Administrator>

那就在该文件夹下新建文件夹pip，在该文件夹中新建pip.ini，内容为：

[global]
index-url = https://pypi.tuna.tsinghua.edu.cn/simple

url后面填的就是国内地址（我这里用的是清华的源）

Windows下的conda换源：

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/

同样是清华的源，当然还有更加简单粗暴的方法：

找到这个文件，用记事本打开，在channels后面加地址就行了，一般都在User/Administrator下面。

Ubuntu下的pip换源

pip配置文件内容与Windows一致，但配置文件路径和文件名为：~/.pip/pip.conf

Ubuntu下的conda换源

conda配置文件内容与Windows也一致，路径和文件名为：~/.condarc

 

缺少模块报错

cv2安装：

pip install opencv-python

shapely安装：

这个不能直接用pip安装，需要到https://www.lfd.uci.edu/~gohlke/pythonlibs/找到对应的版本进行安装

skimage安装：

pip install scikit-image

 

虚拟环境管理

本人使用Anaconda管理虚拟环境，平时只有一个虚拟环境，起名叫ml，里面同时装有pytorch和tensorflow，一般工作学习够了，如果不涉及Machine Learning，非虚拟环境下的python也够用了。

如果有具体任务来了，还要装上一些特定的python包（这些包不通用，只能用于特定任务中），此时会复制ml，把任务放在这个虚拟环境下跑，搞完删环境即可。

创建及查看已有环境

conda create -n 新环境名 python=3.6

python版本视自己需要而定。

加*表示当前所处环境。

激活与退出环境

activate 环境名

激活该虚拟环境后，所有的pip安装操作将在该环境下执行，环境外的python是无法使用这里安装的包的。

deactivate

退出当前虚拟环境。

复制既有环境

conda create -n 新环境名 --clone 旧环境名

删除环境

conda env remove -n 环境名

导出当前虚拟环境的配置

conda env export > env.yaml

在对应目录下会生成一个env.yaml的文件，里面就是对应虚拟环境的配置信息，别人可通过该配置信息创建环境：

conda env create -f env.yaml

版本回滚

通过以下命令查看anaconda环境的历史记录，选择对应版本恢复：

conda list --revisions

conda install --revision 版本号

版本号即对应数字，不需要前面的rev。