终端下
-
conda换源
清华大学镜像站Anaconda镜像使用帮助编辑~/.condarc文件 将文件中的内容替换为下面的内容 channels: - defaults show_channel_urls: true channel_alias: https://mirrors.tuna.tsinghua.edu.cn/anaconda default_channels: - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/pro - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2 custom_channels: conda-forge: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud msys2: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud bioconda: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud menpo: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud pytorch: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud simpleitk: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
运行
conda clean -i
清除索引缓存,保证用的是镜像站提供的索引。PS:如果上述方法不管用,建议还是用
proxychains4
+代理 来节省生命。 -
查看环境
conda env list
-
创建新环境
conda create -n env_name python=x.x(如3.6, 2.7等)
-
环境切换
conda activate env_name
-
退出当前环境
conda deactivate
-
删除环境
conda remove -n env_name --all
-
安装新的包
conda install package_name
-
卸载指定包
conda uninstall package_name
-
更新
1. 更新anaconda:conda update anaconda 2. 更新conda-build:conda update conda-build 3. 更新全部:conda update --all
-
回滚
查询之前更新的版本记录
conda list -r
选择一个之前的版本进行回滚
conda install --revision 数字
-
开发环境备份
Anaconda提供了备份的功能,可以将当前的环境备份成一个.yml文件,之后创建环境的时候可以直接依据这个文件创建conda env export -n my-environment -f my-environment.yml
注意将
my-environment
改成你自己的环境名哦新建环境的时候
conda env create -f my-environment.yml
图形化界面下
linux下安装anaconda后,anaconda-navigator只能在终端里输入
anaconda-navigator
为了像其他application一样可以单击图标启动,你需要这样做
- 进入
/usr/share/applications/
文件夹 - 新建
anaconda.desktop
文件 - 将下面的内容复制到第二步建的文件中,保存
[Desktop Entry]
Name=Anaconda
Version=5.3.1
Type=Application
Exec=/home/username/anaconda3/bin/anaconda-navigator
Icon=/home/username/anaconda3/pkgs/anaconda-navigator-1.9.7-py37_0/lib/python3.7/site-packages/anaconda_navigator/static/images/anaconda.png
Terminal=false
StartupNotify=true
注意: 将Exec
和Icon
中的username
替换成你自己的用户名,Icon
是anaconda图标的位置,可以根据 下面这条命令来查找具体路径:
sudo find -name 'ana*.png'
Jupyter notebook相关设置
工作目录
生成配置文件
jupyter notebook --generate-config
打开生成的文件,修改下面的语句
c.NotebookApp.notebook_dir = '/your/dir/'
Kernel设置
conda install ipykernel
python -m ipykernel install --user --name [env_name] --display-name "env_name"
python -m ipykernel install --user --name pytorch --display-name "pytorch"
jupyter kernelspec list
jupyter kernelspec remove kernel_name
我的 Anaconda 相关环境核心配置
不同的深度学习框架请建立不同的环境来运行,因为不同框架依赖的各个package
的版本不同,将两个框架放在一个环境下可能会产生冲突
proxychains4
是为了使该命令走代理而设,如果你没有代理需要去掉它,但网速可能慢的让你几个小时都安装不好。
Pytorch环境
根据pytorch官网,结合自己电脑的硬件情况选择相应的安装命令。我的是
proxychains4 conda install pytorch torchvision cudatoolkit=10.2 -c pytorch
Keras环境
proxychains4 conda install tensorflow-gpu
proxychains4 conda install keras-gpu
OpenCV环境
opencv-contrib-python 和opencv-python的区别可自行百度,目前用conda
命令无法直接安装,提示找不到相关package
,我这里用pip
来安装。默认安装的版本是最新的。
pip install opencv-contrib-python