Anaconda(Miniconda)环境配置

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