一、基础命令
查看Python版本:python version
用于查看当前正在运行的进程:ps -ef | grep python
输入 import sys print sys.path 即可打印所有python路径。 tensorflow 位置: /usr/local/lib/python2.7/dist-packages/tensorflow
一般需要新建一个虚拟环境运行代码,要是矛盾了得先卸载这个包,再装anaconda。
创建新环境:conda create -n CV22 python=3.6
进入该环境:conda activate 加环境名称
装在base的包可以直接使用,装在新环境下,得再进入到这个环境才能使。
ls :列出主目录下的所有文件。
nvidia-smi:nvidia 的系统管理界面 ,其中smi是System management interface的缩写,它可以收集各种级别的信息,查看显存使用情况。
rm:linux中的删除命令。rm -r 并不是一个完整的命令后面还需要加上需要删除的路径
例如:rm -r test 就是删除test 不管他是文件还是目录。(-r或-R:递归处理,将指定目录下的所有文件与子目录一并处理。)
更新包:pip install --upgrade (加包的名字)
安装包的两种方式:pip install (加包的名字)
conda install (加包的名字)首先得下载anaconda
卸载包:pip uninstall (加包的名字)
列出已安装的包:pip list
列出conda管理的所有环境:conda env list
删除learn环境及下属所有包:conda remove -n learn --all
更新requests包:conda update requests
lLib里面也有base环境下的各种包文件,envs是我们自己创建的各种虚拟环境的入口,
anaconda的下载命令:wget加到官网找到你想要下载的anaconda的版本,点击复制链接地址,后面跟上地址就行。bash相当于安装。
命令 conda --version 可查看conda的版本
cd命令:
cd [切换的目标目录」
cd ..:跳至上层目录
cd ../../:跳至上上层目录
二、与JetBrains PyCharm 连接
PyCharm也能很方便的和anaconda的虚拟环境结合
在Setting => Project => Project Interpreter 里面修改 Project Interpreter , 点击齿轮标志再点击Add Local为你某个环境的python.exe解释器就行了
三、Anaconda Prompt
这与cmd(win+r)一样。
四、Anaconda Navigtor
里面有jupyter(可以分段运行代码, 可以直接在cmd中输入jupyter notebook 就可以打开);jupyterlab(在浏览器输入 http://localhost:8888/lab );VSCode(Visual Studio Code是一个轻量级但功能强大的源代码编辑器,它内置了对JavaScript,TypeScript和Node.js的支持,并为其他语言(如C ++,C#,Java,Python,PHP,Go)和运行时(如.NET和Unity)提供了丰富的扩展生态系统。)
五、具体步骤
一般运行代码时都有requirement,我们查看其需要包的版本,根据版本下载(一些代码必须要求其给定的版本)。如果想要一段一段运行需要写成jupyter里面。在cmd(工作站或anaconda命令行里面)中输入jupyter nootbook就会打开。注意代码中的绝对路径与相对路径。在anaconda里面也可以指定Python版本,创建环境。
1,python环境管理软件
安装anaconda:https://www.anaconda.com/products/individual
2,找到所需cuda安装,比如10.0:
https://developer.nvidia.com/cuda-10.0-download-archiveyy
cuda让程序能在GPU上加速运行,一般是用pytorch或者tensorflow去启动。有的电脑可能下载不了,(首先查看电脑显卡型号,具体参考https://zhuanlan.zhihu.com/p/358737417)。
3,创建虚拟环境
conda可以配置源,加速下载包,https://mirror.tuna.tsinghua.edu.cn/help/anaconda/
(临时的方法(全局的方法在链接里):
pip install XXX -i https://pypi.tuna.tsinghua.edu.cn/simple 清华源
pip install XXX -i http://mirrors.aliyun.com/pypi/simple --trusted-host mirrors.aliyun.com 阿里源
XXX为要安装的包,有时报错,需要更改https为http,或反之)
在命令行cmd(ubuntu中为terminal)中运行:conda create -n tfv2 python=x
开启虚拟环境:conda activate tfv2
(这里可能在cmd中出现“不是内部或外部命令,也不是可运行的程序”,是因为系统环境变量配置有问题,需要手动修改系统环境变量,将 \Anaconda3(应用程序)、\Anaconda3\Scripts(与应用程序可能不在一起)、\Anaconda3\Library\bin 三个目录添加到系统环境变量 Path 中即可,要是还不行关闭cmd,再打开,要是还错,那就是路径添加错误,其实在安装anaconda的时候,就可添加路径。具体可看:Windows10安装Anaconda3后,conda不是内部或者外部命令的解决方法_三的五次方的博客-CSDN博客)
4,安装包
Keras是TensorFlow、Theano等框架的高级封装。Keras的安装有两种简单的方法,第一种是安装tensorflow,通过tf.keras来调用(本代码的情况);第二种是分别安装tensorflow和keras,可以直接通过keras来调用。可以在anaconda中为虚拟环境下载包(在运行代码时,创建环境需与要求的Python版本一致,可以在anaconda里面的environments里面点create创建新环境,选中自己要的Python版本,在这个环境下安装一致版本的包。),有时候cmd或报错,这里虽然慢些,但一般都可以安装成功。
在安装之前可以切换源,请参考:https://blog.csdn.net/afeiqiang/article/details/108257584
加速安装,而且更稳定
Windows用户:c:\Users\你的用户名\pip\pip.ini,没有就新建一个,
Linux用户:修改 ~/.pip/pip.conf 文件,没有就新建一个,写入以下内容:
[global] index-url = http://mirrors.aliyun.com/pypi/simple/ *# 根据需要选清华源或者阿里源* [install] trusted-host=mirrors.aliyun.com
安装依赖包numpy, matplotlib:pip install numpy matplotlib
然后开始安装:pip install --upgrade tensorflow_gpu
如若要指定版本,则可以用:pip install --upgrade tensorflow_gpu==2.1.0
要是下载不了
第一步,登录:https://pypi.org/
第二步,输入包的名字
第三步,在搜索结果里,点击你要的包名称(此处就不贴图了),然后在新页面内,点击download files按钮,然后在右边的框内找到同名的whl文件下载就好咯!
第四步:下载完成后,重新打开一个cmd命令行输入pip install + 包的路径
注:一般都是兼容的。不行的话也仅需该少量代码,环境配置好了最好就不要改了。
cuda 是向下兼容的,安装 torch 会指定 cuda 的版本。可以使用以下命令查看cuda 版本
python
>>>import torch
>>>torch.version.cuda
六、运行中的一些错误
一般只把错误直接复制在浏览器(最好选择比较好的:火狐,谷歌)中,一个一个试。
文件的路径有相对和绝对路径,一般改成绝对路径就不会找不着了。
安装CV2其实直接安装opencv:pip3 install opencv-python
出现NaN损失的潜在原因如下:
1 .学习率太高了;2 .在RNN中,应该控制梯度以避免梯度爆炸;3 .零被用作除数,负值被用于对数,或者指数分布的值太大。