jupyter notebook 常用命令

个人其他链接

github
blog

Anaconda中jupyter切换多个kernel

# 在base环境里，安装nb_conda插件，会自动关连其他kernel
conda install nb_conda

# 激活对应环境
activate env_name

#安装jupyter（很重要）
conda install -y jupyter

# 安装ipykernel
# pip install ipykernel

# 将环境添加到ipython的kernel中
# python -m ipykernel install --user --name env_name --display-name env_name

# 查看jupyter notebook设置的所有kernel：
# jupyter kernelspec list

# 删除kernel：
# jupyter kernelspec remove evn_name

Anaconda管理多个虚拟环境

# 查看envs
conda env list
conda info -e

# 创建env
conda create --name env_name python=3.6
#
conda create --name py36_tf14_gpu python=3.6
conda create --name py37_tf20_gpu python=3.7
conda create --name py37_tf20_cpu python=3.7

# 复制创建env 
conda create -n env_name --clone base

# 删除env 
conda remove --name env_name --all

# 进入指定env
conda activate env_name

# 退出指定env
conda deactivate

#导出env配置文件
conda env create -f env_name.yaml

# 从env配置文件创建env
conda env create --name env_name --file env_name.yaml

包管理

conda list # 查看已经安装的包
conda update conda # 升级conda自身
conda search package_name # 查询某个包
conda install package_name # 安装新包
conda install -n test package_name # 将包安装到指定环境
conda update --all # 更新所有包
conda update package_name # 升级包
conda remove package_name # 移除包
conda remove -n test package_name  # 从指定环境中移除包

设置清华源

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/main/
conda config --set show_channel_urls yes

# pip 
pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple

# 恢复默认源
conda config --remove-key channels

# 查看当前的源仓库地址。
conda config --show channels

常用包

pip install scikit-learn
pip install pandas
pip install matplotlib
pip install seaborn
pip install tensorflow==2.0.1

pip install tensorflow-gpu==2.0.1

tensorflow 2.0以下版本GPU测试

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))

tensorflow 2.0及以上版本GPU测试

import tensorflow as tf

#查看tensorflow版本
print(tf.__version__)

print('GPU', tf.test.is_gpu_available())

a = tf.constant(2.0)
b = tf.constant(4.0)
print(a + b)

conda命令推荐