学习使用linux下的Anaconda进行深度学习:
1. conda命令
查看已安装的环境
conda info -e
使用conda命令创建myvenv环境:
conda create -n myvenv python=3.6
激活并进入自己创建的myvenv环境:
conda activate myvenv
安装所需要的库
pip install 库名
查看当前环境下已安装的依赖包
conda list
退出自己的pytorch环境:
conda deactivate
删除环境myvenv和其内部的库
conda remove -n myvenv --all
2. pip与conda异同
pip | conda |
---|---|
包管理工具 | 不仅仅是包管理工具 |
pip仅限于python包的安装更新卸载 | conda包括且不限于Python、C、R语言 |
pip能安装pypi里的一切Python包,更加全面和专注 | 就Python语言而言,conda可用包比pip少 |
pip不支持创建Python虚拟环境,工具virtualenv包才可以 | conda支持创建Python虚拟环境 |
pip install -r requirement.txt更加流畅 | conda install -r 时,一旦未找到某个包,便会中断 |
pip和conda能够共生 | conda环境下也能正常使用pip安装 |
3. 查看显卡占用情况
watch -n 1 nvidia-smi
4. pip freeze的相关使用
通常,为了便于python相关三方库的安装,会将env里的库和版本导出至requirements.txt文件中,默认命令为:
pip freeze > requirements.txt # 导出库的命令
pip install -r requirements.txt # 安装库的命令
但是在导出库时,如果使用上述命令,有时候会出现下面的情况:
numpy==1.19.0
packaging==20.4
pandas @ file:///opt/concourse/worker/volumes/live/38d1301c-8fa9-4d2f-662e-34dddf33b183/volume/pandas_1592841668171/work
pandocfilters==1.4.2
因此,导出库的命令可以替换为下面的命令:
pip list --format=freeze > requiremnets.txt