2020年3月24日更新
conda
环境变量
D:\miniconda3
D:\miniconda3\Scripts
D:\miniconda3\Library\bin
清华源
先运行指令
conda config --set show_channel_urls yes
然后在用户目录下找到 <.condarc>, 改成
ssl_verify: true
show_channel_urls: true
channels:
- http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
- http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free
- http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r
- http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch
基本操作
包列表: conda list
查找包: conda search pkg_name
安装包: conda install pkg_name
删除包: conda remove pkg_name
创建环境: conda create -n env_name python=3.6
删除环境: conda env remove -n env_name --all
复制环境: conda create --name new_env_name --clone copied_env_name
导出环境: conda env export > environment.yaml
导入环境:conda env create -f environment.yaml
pip
阿里源
在用户目录下新建 <pip/pip.ini>,输入
[global]
trusted-host = mirrors.aliyun.com
index-url = https://mirrors.aliyun.com/pypi/simple
基本操作
升级pip:pip install pip
安装包:pip install pkg_name
删除包:pip uninstall pkg_name
显示包信息:pip show pkg_name
导出包:pip freeze > requirements.txt
批量安装包:pip install -r requirements.txt
配置机器学习环境
我的 GTX1060:对应 cuda 10.2,cudnn-10.2-windows10-x64-v7.6.5.32,对应 tensorflow 2.2.0,pytorch 1.5.0,torchvision 0.6.0
tensorflow 和 pytorch 都需要 cudatoolkit, 在不同的环境下可以装不同版本的 cudatoolkit。主要是同时装 tf1.x 和 tf2.x。
一个环境中要有 cudatoolkit + tensorflow + pytorch
tensorflow 还要装别的: VC_redist.x64.exe (一般电脑已经有这个),cudnn 解压到 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2
cudnn 还要环境变量
CUDA_PATH C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2
CUDA_PATH_V10_2 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2\bin
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2\libnvvp
# 上面三条是自动添加的
%CUDA_PATH%\extras\CUPTI\lib64
%CUDA_PATH%\include
%CUDA_PATH%\lib\x64
Git 设置
git config --global user.name username
git config --global user.email xxxxx@xx.com
生成公钥
ssh-keygen -t rsa -C emali@em.com
进 用户目录/.ssh
, id_rsa是私钥, id_rsa.pub是公钥