目录
参考:
【1】关于conda和anaconda不可不知的误解和事实——conda必知必会
【2】Anaconda完全入门指南
【3】Win10 64 位Tensorflow-gpu安装(VS2017+CUDA9.2+cuDNN7.1.4+python3.6.5)
1 conda:包管理器
python语言,脚本语言,需要解释器(是一个工具)。还需要依赖一些库。自带的库、第三方的库还要要未来扩展的库。他的这些包如何自动的安装和卸载,需要一个工具,常用的工具叫Conda。当然其他管理工具,比如pip。二者的侧重不同。具体区别参见【1】.
2 Anoconda:开源的包、环境管理器
上边的这一堆的包,有版本问题,且不同的包之间还有相互的依赖关系。由于python2和python3两个版本的程序存在不兼容的情况,而我们的电脑上有时候需要两种甚至多种版本的都存在,为了适应这种同时存在并自由切换,需要安装两个或多个环境,因此,就由Anoconda来管理。类似于虚拟机的概念,这里叫环境。不同的环境下有不同的python版本及其依赖的包等东西。当然,为了在环境下管理这些包,
因此,这个环境下也想当然的有conda,而由其实现的这些创建等功能。
Anoconda是包含python、conda等比较多的包。最小容量的叫Miniconda。
关于anocoda与conda关系参考【1】.
关于环境的创建过程:
(1)下载Anoconda(windows下的相应版本)exe程序, 安装之。
官网地址:https://www.anaconda.com/distribution/
但是官网太慢了,有个清华的镜像站。地址:https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/
(2)在command promote下使用以下命令创建环境:使用如下命令:
conda create --name=labelme python==3.5
命令解释:
(a)labelme是环境的名字,可以随便起
(b)python==3.5表面该环境下的python使用3.5.
©更多的说明参考【2】
© 该命令表示要创建环境,他会提示需要安装的包,其中有vs,pip,python等。默认他会从conda配置的一个网址下载包安装,但这个一般在国外,往往网速不给力。所以,一般大家会选择国内的镜像,国内的镜像有清华,中科大,阿里等。具体地址网上可搜索,(也可见下面部分)。 如何添加镜像。对于上述的情况应当退出,如果强行关窗口,再次安装时会提示锁住,需要清除一下。
使用镜像方法:command promote下运行以下命令添加了2个清华的镜像:
(后面有多个镜像地址,建议把他们都加上,然后下载安装。笔者连续使用,速度杠杠的,非常有效!!)
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/
然后再次运行环境创建语句:
conda create --name=labelme python=3.5
(3)激活环境,如图使用activate命令激活环境名称:activate labelme
3 labelme
可以安装在anaconda下的环境下,使用conda安装,也可以使用pip安装。
在环境下已经安装了pip,就可以用了。
(1)进入上面创建的环境中。 activate labelme
(2)安装pyqt5.这是labelme依赖的包。安装方法:
注意,这里要用管理员权限,否则可能会失败。管理员权限使用方法,搜到promot,cmd等,右键管理员权限打开。
pip install pyqt5
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple pyqt5
上面的是默认安装,下方的使用的清华镜像,主要为了速度。
(3)安装labelme
pip install labelme
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple labelme
同上,可以使用镜像。
(4)运行labelme
activate labelme
labelme
第一个是激活之前创建的环境,第二个是启动labelme这个程序!!
4 tensorflow
用于训练模型,也可以运行模型。自己网页搜索。
分为gpu版本和cpu版本。参考【3】。
如果要是在上面的环境中装tensorflow,与安装其他包类似:
pip install tensorfow==1.10
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple tensorfow==1.10
这里安装的cpu版本的1.10版。上面的是默认,下面清华镜像。对于pip安装的使用下面的这个镜像更快!
5 cuda和cudnn
主要为了在有gpu的机器上进行tensorflow训练加速用的。安装方法参考【3】。
6 使用yml文件创建环境并安装文件
6.1 yml文件由来
python下工具及其版本对应关系很重要。有时在一台机器上创建的环境想在另外的机子上或给他人使用,则将这些所有的程序及其版本列一遍是非常繁琐的。为此,还提供了yml文件创建的方式。
这里分享两个tensorflow的例子:
name: tensorflow
dependencies:
- python=3.7
- pip>=19.0
- jupyter
- tensorflow=2.0
- scikit-learn
- scipy
- pandas
- pandas-datareader
- matplotlib
- pillow
- tqdm
- requests
- h5py
- pyyaml
- flask
- boto3
- pip:
- bayesian-optimization
- gym
- kaggle
name: tensorflow-gpu
dependencies:
- python=3.7
- pip>=19.0
- jupyter
- tensorflow-gpu=2.0
- scikit-learn
- scipy
- pandas
- pandas-datareader
- matplotlib
- pillow
- tqdm
- requests
- h5py
- pyyaml
- flask
- boto3
- pip:
- bayesian-optimization
- gym
- kaggle
上例中,创建的环境名称为:tensorflow-gpu,其所依赖的程序及其版本在下面列出。
6.2 如何获得yml文件
可以手写,但是麻烦。可以利用命令导出一个这样的文件,命令:
conda env export --name ENVNAME > envname.yml
以上会将相应名称的空间的程序生产yml文件
可以在网上找一些人分享的,就可以安装了。
6.3 使用yml文件创建空间
打开cmd。运行以下命令即可安装:
conda env create -v -f tensorflow-gpu.yml
即可安装其所说的方式创建空间并安装相应程序。
注意:当前运行路径与yml文件的路径关系。
7 其他应用
(1) opencv
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple opencv-python
注意管理员权限打开
(2)skimage.io
注意,这里是scikit-image。如果其他会报错。注意这里好像只有pip下有,conda下好像没有
注意管理员权限打开
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple scikit-image
(3) spyder
有三种方法:
a)在navigator中装
b)进入anoconda下,激活环境。使用pip装
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple spyder==4.0.1
c) 进入anoconda下,激活环境。使用conda装
conda install spyder==4.0.1
8 软件包升级
参考这里:https://blog.csdn.net/zl1085372438/article/details/88083850
9 其他的事情
(1)Miniconda下载地址:https://docs.conda.io/en/latest/miniconda.html
(2) Conda相关的介绍地址:
包括conda的命令、包、环境、通道等概念。
https://docs.conda.io/projects/conda/en/latest/
其中各个命令行地址:
https://docs.conda.io/projects/conda/en/latest/commands.html
(3)Anaconda的各种工具的帮助地址:
https://docs.anaconda.com/anaconda/
(4)离线安装包下载:这里有一个合集的东西:
https://www.lfd.uci.edu/~gohlke/pythonlibs/#lxml
9 镜像:
其他的镜像可以参考:
https://blog.csdn.net/xd_wjc/article/details/80587488
https://blog.csdn.net/minixuezhen/article/details/96772364
清华源
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
中科大源
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/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/msys2/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/bioconda/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/menpo/