深度学习环境配置

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