Anaconda环境创建、激活等常用命令&深度学习(pytorch、tensorflow)环境搭建

conda命令大法

在拿到一个新项目时，通常需要新建虚拟环境

1.创建虚拟环境

• 创建名为 my_env_name 的环境(此时python版本为最新)

conda create -n my_env_name

• 创建指定python版本的环境(通常安装和Anaconda相同版本的python)

conda create -n my_env_name python=2.7
conda create -n my_env_name python=3.7

• 创建包含某些包(numpy,pandas)的环境

conda create -n my_env_name python=3.7 numpy pandas

2.激活虚拟环境

activate my_env_name # windows
source activate my_env_name # linux
#windows,linux通用
conda activate my_env_name

3.管理环境

查看当前已创建的环境（验证新创建的环境是否被成功添加）

conda env list
conda info -e

查看当前环境的信息

conda info

4.退出虚拟环境

windows/linux退出当前虚拟环境

conda deactivate

5.删除虚拟环境

conda remove -n my_env_name --all   # 会询问是否确定删除
conda env remove -n my_env_name  # 直接删除环境

6.常用conda命令

命令	含义
conda install package_name	安装包
conda install package_name=x.x	安装包指定版本的包
conda list	查看当前所有已安装的包
conda uninstall package_name	卸载包
conda update package_name	更新指定的包
conda update --all	更新所有的包
conda help	查看conda的常用命令(官方)

7.conda镜像源加速

(1) 查看源：
国内下载某些包时速度很慢，这时候可以用镜像源来加速，首先查看当前已添加的源（一般至少会有个default源）

conda config --show-sources
conda config --show channels

(2) 添加源

conda config --add channels xxxx

# 清华镜像
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/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
# 中科大镜像
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/main/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/conda-forge/
# 阿里镜像
conda config --add channels https://mirrors.aliyun.com/pypi/simple/

# 显示检索路径，每次安装包时会将包源路径显示出来
conda config --set show_channel_urls yes

这样下载就会快很多了……添加好了可以再用（1）中命令查看确认
(3) 移除源

conda config --remove channels xxx

conda config --remove channels 'https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/'

另外，也可以用pip来加速

• 临时设置：直接在pip末尾加镜像链接

pip install package_name -i https://pypi.tuna.tsinghua.edu.cn/simple

# 用清华镜像源安装pandas包
pip install pandas -i https://pypi.tuna.tsinghua.edu.cn/simple
# 用阿里镜像安装pandas(需要在后面再加一句信任说明)
pip install pandas -i http://mirrors.aliyun.com/pypi/simple/   --trusted-host mirrors.aliyun.com

• 永久设置：

pip install pip -U   # 先升级pip
pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple

• 查看镜像源

pip3 config list

• 移除镜像源

pip config unset global.index-url

8.conda与pip

conda与pip有很多相似之处，很多命令可以通用。
pip是Python官方的包管理工具；conda是更广泛应用的工具，除了可以安装包，还可以创建环境。
官方:Understanding Conda and Pip

pip常用命令	含义
pip install package_name	安装包
pip list	查看已安装的包
pip uninstall package_name	卸载包
pip install --upgrade package_name	更新包
pip list --outdated	查看有新版本的第三方库
pip show package_name	查看安装包的详细信息
更多：官方

• Q1:pip list 和 conda list 区别?
  pip下的list是conda下list的子集。conda 除了虚拟环境下的包还有关联文件下的，pip只有当前虚拟环境下的包。
• Q2:pip install 和 conda install区别？
  简单版：
  pip是用来安装python包的，安装的是python wheel或者源代码的包。不会去支持python语言之外的依赖项。
  conda是用来安装conda package，虽然大部分conda包是python的，但它支持了不少非python语言写的依赖项。
  conda和pip对于环境依赖的处理不同；pip的包跟conda不完全重叠
  详细版:click here

实战！深度学习环境搭建(pytorch,tensorflow)

1.新建一个环境，激活环境

打开Anaconda Prompt,（安装Anaconda,官网下载)

conda create -n nanyidev python=3.7
conda activate nanyidev

2.pytorch安装

以下为简洁——命令版：
2.1 打开pytorch官网

（cuda10.2的windows版本已被弃用如下图，linux还可以使用）

所以只能CUDA 11.3，这就需要考虑驱动的版本，参考下面这张图。网站链接：The Release Notes for the CUDA Toolkit.

所以按照上图，cuda11.3的需要的Driver Version驱动版本应该大于465.19.01（下图是我电脑的nvidia驱动，在dos命令中输入nvidia-smi即可查看）

如果没有GPU或者版本升级的问题可以参见： click here

2.2 安装命令
windows下：一般用cuda命令

conda install pytorch torchvision torchaudio cudatoolkit=11.3 -c pytorch

实测网速很慢——添加镜像
按照前面的添加规则，可以先查看以下当前有哪些源：

（可以看出，已经添加了清华镜像，不放心可以把三个清华镜像都添加一下）

然后添加pytorch的镜像源

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/

最后再输入命令，此时不需要后面的-c python (否则会默认下载就很慢) , 即：

 conda install pytorch torchvision torchaudio cudatoolkit=11.3

命令过程如下图：

（一般来说速度会起飞，但是也有网速的不佳的时候。如果下载失败，可以在安装前添加命令conda config --set remote_read_timeout_secs 1000.0，参考这篇文章：click here）

linux下：一般用pip命令

pip3 install torch torchvision torchaudio

2.3 验证
输入python再回车，输入下面命令

import torch     # 没有报错就成功了
print(torch.cuda.is_available())  # 输出True就代表可以用 GPU

3. tensorflow安装

以下为简介版，详细版：click here
3.1 新建环境，激活环境（与pytorch安装第一步一样）
3.2 安装tnesorflow2.x的cpu版本
官网 推荐pip安装，cpu版本比较简单

pip install tensorflow
#实测很慢，加一个镜像源（不指定版本就是最新版本）
eg.pip install tensorflow==2.0.0 -i https://pypi.tuna.tsinghua.edu.cn/simple

验证：

3.3 安装tensorflow2.x的GPU版本
仅以2.0.0为例

1.conda install cudatoolkit=10.0 cudnn  # 首先需要安装cuda和cudnn
2.pip install tensorflow-gpu==2.0.0 -i https://pypi.tuna.tsinghua.edu.cn/simple

其他版本参加官网(主要就是cuda和cudnn版本要匹配)

验证：
相同的方法验证，此时print( tf.test.is_gpu_available())输出为True，表示Tensorflow-GPU安装成功。

3.4 验证命令（方便复制）
在当前虚拟环境下进入python环境，再依次输入以下代码（图片如上）

import tensorflow as tf
print(tf.__version__) # 输出安装的版本
print( tf.test.is_gpu_available()) # 输出是否可以使用gpu

4.其他深度学习常用包安装

包	描述	命令
numpy	科学计算包	conda install numpy
pandas	数据处理工具包	conda install pandas
matplotlib	绘图工具包	conda install matplotlib
scipy	数学工具包，基于numpy	conda install scipy
scikit-learn	机器学习工具	conda install sklearn
keras	高级神经网络API	conda install keras

拿到项目，缺什么库就装什么库吧……

参考连接：
https://blog.csdn.net/hejp_123/article/details/92151293