下载安装库
虚拟环境安装指定包:
# 切换源,提升下载速度
pip config set global.index-url https://opentuna.cn/pypi/web/simple
# 虚拟环境下安装
conda install 包名
pip install 包名
# 虚拟环境外安装
conda install -n 环境名 包名
# 删除指定包
conda remove --name 环境名 包名
# 根据项目文档requirements.txt下载包
pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple
#更新conda
conda update -n base -c defaults conda
基础指令
Jupyter Notebook
# 在虚拟环境中安装ipykernel (切记这一步是在对应的虚拟环境中进行)
pip install ipykernel
# 使用ipykernel生成虚拟环境的kernel(这一步也是在虚拟环境中进行)
python -m ipykernel install --user --name 环境名
# 查看安装的kernel的内核和位置
jupyter kernelspec list
# 删除某一个kernel,如py36
jupyter kernelspec remove py36
虚拟环境:
#创建虚拟环境
conda create -n 环境名 python=X.X
#激活虚拟环境
activate 环境名
#查看已有虚拟环境
conda env list 或 conda info -e
#克隆虚拟环境
conda create --name 新环境名 --clone 旧环境名
# 删除指定虚拟环境
conda remove --name 环境名 --all
其它
# 查看环境下已安装的包
pip list
# 转到某盘
E:
# 转到某文件夹
cd 完整路径
源:
#查看已有源
conda config --show channels
#删除某源
conda config --remove channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/simpleitk
#换临时源下载库
pip install 库名 -i 源网址
eg: pip install tqdm -i https://pypi.tuna.tsinghua.edu.cn/simple
显卡
#下载不同版本的CUDA
conda install cudatoolkit=10.2 -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/linux-64/
#下载对应版本的CUDNN
conda install cudnn
# 验证安装是否成功
conda list | grep cuda
nvcc -V
# 查看显卡使用情况
watch -n 1 nvidia-smi
# 查看Tensorflow-gpu是否安装成功
python
import tensorflow as tf
tf.test.is_gpu_available()#用来验证GPU是否可用
tf.test.is_built_with_cuda()#用来验证cuda是否可用
tf.__version__#返回tensorflow-gpu的版本
tf.test.gpu_device_name()#返回gpu的名称
print("Num GPUs Available: ", len(tf.config.experimental.list_physical_devices('GPU')))#返回可用GPU的个数