Anaconda(Miniconda)就是可以便捷获取包且对包能够进行管理,同时对环境可以统一管理的发行版本。安装了Anaconda(Miniconda)就不需要单独安装python解释器了。如果想节省硬盘容量建议安装Miniconda。
1. 配置清华源
有的库的服务器在国外,我们直接安装会很慢,这时候需要国内源进行下载;有两种方式:一种是一劳永逸的方法,直接配置.condrac配置文件就行;另外一种是在安装命令之后直接跟国内源地址。我现在都没怎么用过源,直接进行下载安装速度也还阔以。
1.1 配置.condrac文件的方法:
网址:https://mirror.tuna.tsinghua.edu.cn/help/anaconda/
1.2 安装命令之后跟源地址
不一定非要使用清华源,也可以是豆瓣源或者阿里云源等等…哪个方便用哪个就好了
例如:
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple matplotlib scikit-learn
# 豆瓣源
https://pypi.doubanio.com/simple
# 阿里云源
http://mirrors.aliyun.com/pypi/simple
2. 常用命令
2.1 创建新环境
conda create --name 环境名 python=3.9 # 创建一个名为 环境名 的环境,环境中安装版本为3.9的版本
2.2 查看安装了几个环境
conda info --envs
2.3 激活环境
conda activate 环境名
2.4 退出环境
conda deactivate
2.5 删除环境
conda remove -n 环境名 --all
2.6 查询可供安装的扩展库版本
conda search --full -name pandas
2.7 获取当前环境中已安装的扩展库信息
conda list
2.8 更新库
pip/conda install --upgrade xxxx
2.9 在当前环境中安装相关库
pip/conda install numpy
2.10 在当前环境中卸载相关库
pip uninstall 包名
conda remove 包名
2.11 在指定环境中卸载相关库
conda remove 环境名 包名
2.12 查看所有安装库的版本
pip freeze
2.13 检查显卡驱动
nvidia-smi
watch -n 0.1 nvidia-smi # 查看实时调用gpu情况
2.14 判断torch有没有成功安装成cuda版本
import torch
torch.cuda.is_available()
2.15 查看当前path路径下的cuda
nvcc -V
2.16 在本机上复制Anaconda虚拟环境
conda create-n 新环境名 --clone 旧环境名
3. 安装pytorch
确定自己显卡驱动的版本号,选择对应的系统,复制命令进行安装
网址:https://pytorch.org/get-started/locally/
4.pycharm使用Anaconda
5. 其他网站
CUDA安装地址:https://developer.nvidia.com/cuda-toolkit-archive
CUDA安装版本查看:https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html
Anaconda下载地址:https://www.anaconda.com/products/individual
清华镜像网站:https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/
显卡天梯图:https://www.mydrivers.com/zhuanti/tianti/gpu