python 环境相关(windows系统)
库的迁移和安装
# win + r -> cmd -> enter 进入命令窗口
pip freeze > *path*.txt
# 将目前的pip list 导出到指定的txt文件中。注意:txt文件需提前新建好
# 从上一步生成的txt文件中导入并安装相关库
pip install -r *path*.txt
pip show *package*
# 查看库的相关信息
anaconda 虚拟环境
# 列出所有虚拟环境
conda env list
# 创建一个新环境
conda create -n env_name python=version
# 激活
activate env_name
# 退出
deactivate env_name # 有时需要用下行命令
conda deactivate
# 删除环境
conda remove -n env_name --all
# 删除虚拟环境中的包
conda remove --name $env_name $package_name
# 安装包
conda install *package* # conda install opencv-contrib-python
conda install package_name -n env_name
在conda的虚拟环境中安装tensorflow-GPU
安装前需先确认拟安装的tensorflow-GPU版本以及对应的cudatoolkit、cudnn版本,版本号应严格对应,避免后续出现问题。可在tensorflow官网查到相应表格:https://www.tensorflow.org/install/source_windows官方链接
可以先通过INVIDIA官网下载并安装好对应版本的Cudatoolkit和Cudnn。此处介绍直接通过命令行安装的方法
- activate env_name # 安装前先进入对应的虚拟环境
- conda search cudatoolkit # 查看conda可用的cudatoolkit版本号
- conda search cudnn # 查看conda可用的cudnn版本号
- conda install cudatoolkit=x.x # conda install cudatoolkit=10.1
- conda install cudnn=x.x.x # conda install cudnn=7.6.5
- conda install tensorflow-GPU==x.x # conda install tensorflow-GPU==2.1
- # 如果同时安装tensorflow-GPU和pytorch的cuda版本,需要注意二者cuda版本是否一致,
否则可能导致cuda版本混乱或变化,GPU不能使用
- # NVIDIA RTX3090显卡的计算能力为8.6,默认对CUDA11以上的版本支持较好,
因此最好安装tensorflow-GPU2.4.0以上的版本,pytorch需要安装最新版,且cuda版本>11
- # 如果发现GPU启动缓慢,可能的原因为显卡驱动版本较低,可以通过升级驱动版本解决。
查看驱动版本:命令行输入nvidia-smi。官网中可以查看不同版本CUDA所需的显卡驱动版本:
https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html
jupyter lab 安装
pip install jupyterlab
conda install ipykernel
ipython kernel install --name *envname* --user
# 删除jupyter lab中多余的python kernel
jupyter kernelspec list
jupyter kernelspec uninstall *envname* # 或者jupyter kernelspec remove *envname*
python face_recognition库的安装步骤
- pip install CMake
- pip install boost
- VS2019安装 # 下载安装微软的VS
- 下载与python对应版本的dlib.whl文件 # 链接:https://pan.baidu.com/s/1n_8_KMnJzjyM-9fIHqPlxQ 提取码:1111
- pip install *dlib.whl* # 安装前需要切换到whl文件所在路径
- 有网友分享,dlib包也可以用pip install dlib-bin命令直接安装
- pip install face_recognition