使用conda管理python环境
在进行深度学习的环境搭配中,我们常常会因项目要求,需要下载不同版本的python或者搭建不同版本的tensorflow、pytorch环境。好在有anaconda,我们可以通过anaconda进行不同环境的搭建,下面我将介绍anaconda常用的几个功能
使用conda配置不同Python环境
我们可以在终端直接采用以下指令搭建新的Python环境,我将创建Python=3.6的新虚拟环境,并将其命名为my_name(可随意更改)。
conda create -n my_name python=3.6
下载新环境成功后,我们可以在终端对其进行激活
conda activate my_name
激活后,我们目前的python环境就由系统默认的base环境切换到了所搭建的新环境中。此时我们在终端的操作(如第三方库的下载)都会存储到该python环境下。
比如我们现在下载tensorflow-gpu == 1.15.0的版本,将介绍pip和conda两种指令下载方式
#pip指令下载
pip install tensorflow-gpu == 1.15.0
#conda指令下载
conda install tensorflow-gpu == 1.15.0
好了,如果有一直跟着一步步到这里的小伙伴,可能遇到了个位数KB/s的下载速度,实在是惨不忍睹,下完后可能黄花菜都凉了…
好在有很多界内的大牛们整出了镜像,使用镜像下载可以大大的提高下载速度,由于本文主要介绍环境搭建,具体如何使用镜像下载提高下载速度请看博客https://blog.csdn.net/guowei_huai/article/details/114923203?spm=1001.2014.3001.5502。
使用conda管理jupyter notebook
现在很多人都在用jupyter notebook,那么我们如何为jupyter notebook添加已经在conda创建的虚拟环境呢?这样可以大大提高我们撸代码的效率。
以下操作要求已经安装好anaconda,并且完成上述虚拟环境的安装。
- 首先激活已经安装的虚拟环境,并安装ipykernel,在终端下执行以下指令
conda activate my_name
conda install -n my_name(环境名称) ipykernel
- 将环境写入notebook的kernel中
python -m ipykernel install --user --name 环境名称 --display-name "在jupyter中显示的环境名称"
安装完成后,在终端输入 jupyter notebook进入在创建新文件时,就能够看到新创建的环境了。
如果想要删除kernel环境,可以执行以下操作:
jupyter kernelspec remove 环境名称
另外:为了解决部分人下载anaconda超时的问题,这里附上Anaconda的镜像下载地址,选取版本后直接下载即可
https://mirrors.bfsu.edu.cn/anaconda/archive/