Anconda配置和命令

Anaconda3下载

1 更换 conda 的源

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/
conda config --set show_channel_urls yes

2 更换 pip 源

创建配置文件：

mkdir ~/.pip
vim ~/.pip/pip.conf

添加内容：

[global]
timeout = 6000
index-url = https://pypi.mirrors.ustc.edu.cn/simple/
trusted-host = pypi.tuna.tsinghua.edu.cn

其中，地址可以更换为这些：

• 阿里云 http://mirrors.aliyun.com/pypi/simple/
• 中国科技大学 https://pypi.mirrors.ustc.edu.cn/simple/
• 豆瓣 http://pypi.douban.com/simple
• Python官方 https://pypi.python.org/simple/
• v2ex http://pypi.v2ex.com/simple/
• 中国科学院 http://pypi.mirrors.opencas.cn/simple/
• 清华大学 https://pypi.tuna.tsinghua.edu.cn/simple/

3 创建环境

conda create -n new python=3.7    //这里的环境名称为new

4 激活环境：

source activate new

5 删除环境

conda remove -n rcnn --all

6 安装各种模块

6.1 opencv 模块

conda install opencv
pip3 install opencv-contrib-python

6.2 其它模块

pip install numpy
pip install matplotlib
 pip install Pillow        //PIL相关
pip install pandas    //提供了dataframe等方便处理表格数据的数据结构
pip install jieba    //中文分词组件
pip install -U scikit-learn    //基于scipy和numpy的开源机器学习模块，有各种算法
pip install theano    //是一个机器学习库   
    pip install nose   
    pip install parameterized
//pip install --upgrade --ignore-installed tensorflow    //安装cpu版本的TensorFlow
等等...

7 安装tensorflow-gpu（windos）

小米笔记本（显卡mx150）见说明

python	CUDA	cudnn	tensorflow-gpu
3.6	10.0.130	7.6.0	12.0.0

1） 安装CUDA、cudnn
2） 在conda上创建虚拟环境，并进入虚拟环境
3） 用下面命令安装tensorflow-cpu-1.12.0版本

pip install tensorflow==1.12.0

4） 等待上一步下载时，可以从这里下载tensorflow-gpu-1.12.0的轮子，用来支持cuda10的，当上一步安装完成后，再执行命令：

pip install 路径\tensorflow_gpu-1.12.0-cp36-cp36m-win_amd64.whl

5） 上一步完成则表明tensorflow-gpu-1.12.0安装完成
6） 测试代码：

import tensorflow as tf
 
with tf.device('/cpu:0'):
    a = tf.constant([1.0,2.0,3.0],shape=[3],name='a')
    b = tf.constant([1.0,2.0,3.0],shape=[3],name='b')
with tf.device('/gpu:1'):
    c = a+b
 
#注意：allow_soft_placement=True表明：计算设备可自行选择，如果没有这个参数，会报错。
#因为不是所有的操作都可以被放在GPU上，如果强行将无法放在GPU上的操作指定到GPU上，将会报错。
sess = tf.Session(config=tf.ConfigProto(allow_soft_placement=True,log_device_placement=True))
#sess = tf.Session(config=tf.ConfigProto(log_device_placement=True))
sess.run(tf.global_variables_initializer())
print(sess.run(c))

结果：

[2. 4. 6.]