python开发环境配置及相关命令总结

适配tensorflow的CUDA、cuDNN、python版本

conda和pip命令的区别

总体来说pip和conda功能相似，但仍然有一些区别
pip是用来安装python包的，安装的是python wheel或者源代码的包。从源码安装的时候需要有编译器 的支持，pip也不会去支持python语言之外的依赖项。
conda是用来安装conda package，虽然大部分conda包是python的，但它支持了不少非python语言写的依赖项，比如mkl cuda这种c c++写的包。

出自知乎pp鲁: conda和pip命令的区别https://www.zhihu.com/question/395145313/answer/1257660174

相关命令

查看python版本（命令行）

python -V、python -version

在python中以及在jupyter中查看: https://appapi.w3cschool.cn/article/82929779.html.

查看cuda版本

nvcc --version

查看cudnn版本

进入 CUDA 的安装目录查看文件 cudnn_version.h ：
C:\Program Files\NVIDIA GPU ComputingToolkit\CUDA\v11.1\include\cudnn_version.h

查看已安装tensorflow版本

     python
     import tensorflow as tf
     tf.__version__

查看tensorflow的安装路径

tf.__path__

tensorflow不同版本安装与升级/降级

2.0版本很多以前程序不能用，因此降级。从2.0.0降级到1.8.0。在pycharm中，输入 pip install tensorflow==1.8.0即可

升级到最新版本

GPU版本：
pip install --upgrade tensorflow-gpu
CPU版本：
pip install --upgrade tensorflow

查看tensorflow是否安装成功

1. 打开命令行 ，输入 pip show tensorflow 命令，查看是否有tensorflow的相关版本、存储位置等信息
2. 之后进入python环境输入 import tensorflow 如果没有报错，证明安装成功。

tensorflow安装失败的解决方法

pip show tensorflow 报错，错误可能有两种，解决办法及思路：

1. 你的电脑安装有多个python版本（Anaconda3环境下的也算，如果不知道Anaconda3是什么，请自行百度），并且都给他们配置了环境变量：
   思路：不同版本的python下都有pip程序，所以在执行pip时，哪个环境变量在前它就会执行哪个版本下的pip程序（下载tensorflow包到哪个版本下或者在哪个版本下检查是否有tensorflow包）
   解决办法：修改pip.exe（区分不同python目录下的Scripts中的pip.exe），如：笔者在使用pip命令时就是在python3.7环境，在使用pip3命令时就是在使用python3.8环境：
   <1>下图中的PC就是我安装在Anaconda3环境下的python3.7环境
   
   <2>下图就是本机的python3.8安装目录下的Scripts文件夹中的pip（不可用） pip3和pip3.8（可用）
   
2. 真的没有下载成功导致没有装上（这种情况通常会在安装时就报错了）
   解决办法：为了保险起见先卸载一下，执行命令 pip uninstall tensorflow ，之后重新安装 pip install tensorflow 即可。

import tensorflow报错

1. 报错：DLL加载失败
   思路：这种情况基本上是因为python版本和tensorflow版本不对应导致的。（通常是因为python版本过高，建议安装3.5、3.6或者3.7的）
   解决办法：上网搜索对应好版本号重新安装 python或者tensorflow 。（下载tensorflow过慢可参考：pip下载包过慢解决方法）
2. 其他错误信息
   思路：这些基本上都是少某些包导致的，或者其他原因（但都不是什么大问题）。
   解决办法：基本上复制错误信息，上网搜索一下基本都有。

conda命令行总结

出自: 陈嘿萌命令行总结

Anaconda创建虚拟环境

conda create -n yida_cv python=3.6      *[]:   是虚拟环境的名字

激活切换虚拟环境

conda activate yida_cv

退出并进入base环境

方法一
conda deactivate

     方法二
     conda activate base

查看已有的虚拟环境

conda env list

删除虚拟环境

conda remove -n yida_cv --all

修改镜像源

参考链接: anaconda镜像源相关命令.

查看当前使用源

conda config --show-sources

切换清华镜像源

如何使用
第一步：先把下面的全部内容复制到txt中去
第二步：全部复制到命令行
第三步：回车    

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge 
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/
conda config --set show_channel_urls yes 

还原为默认镜像

conda config --remove-key channels

指定源使用

pip install numpy -i https://pypi.tuna.tsinghua.edu.cn/simple   *[numpy]:在国内的站点下载爬虫中的numpy库（第三方库）

常见源

https://pypi.tuna.tsinghua.edu.cn/simple/  #清华大学
https://mirrors.aliyun.com/pypi/simple/   #阿里云
https://pypi.douban.com/simplw/  #豆瓣
https://pypi.mirrors.ustc.edu.cn/simple/  #中国科学技术大学

查看已安装的包

已有的包：

conda list

查看指定包：

conda list numpy

pip安装/卸载包

安装包：numpy就是包的名字，输入你需要安装的包名

pip install numpy

安装指定版本的包

pip install numpy==1.19.5

安装包时指定镜像源（豆瓣）加速

pip install numpy -i https://pypi.douban.com/simple

卸载包

pip uninstall numpy

更新包

pip install --upgrade numpy

常见包的安装

安装opencv

   **win10安装**

pip install opencv-python
pip install opencv-contrib-python

   **mac安装**

 pip3 install opencv-python --user

安装tensorflow

conda install tensorflow-gpu==2.0.0

安装pytorch

cpu版本：

conda install pytorch torchvision cpuonly -c pytorch

GPU版本 ： 链接: pytorch gpu安装教程（perfect完美系列）.
pytorch官方版本查看: https://pytorch.org/get-started/previous-versions/.
离线下载网址: https://download.pytorch.org/whl/torch_stable.html.

# 方法1：需要网络稳定, 直接从官网下载 官网有直接的下载命令
# conda
conda install pytorch==1.7.1 torchvision==0.8.2 torchaudio==0.7.2 -c pytorch
# 方法2：安装whl离线torch包
pip install pytorch.whl
# 方法3：具体操作看上面的gpu安装教程

一键安装环境配置requirements.txt：

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple -r requirements.txt

启动jupyter

jupyter notebook