Anaconda命令大全
管理conda
- conda –version: 验证conda是否安装成功
- conda update conda: 更新conda到最新版本
- conda -h: 查看conda帮助信息
- rm -rf ~/anaconda3: 卸载conda
管理环境
- conda create –name <env_name> <package_name>: 创建新环境
- source activate <env_name>: 切换环境
- source deactivate <env_name>: 退出环境
- conda env list == conda info –envs: 显示已创建环境
- conda create –name <new_env_name> –clone <copied_env_name>:复制环境
- conda remove –name <env_name> –all: 删除环境
管理包
- conda search –full-name <package_full_name>:精确查找包
- conda search <text>: 模糊查找
- conda install –yes –file requirements.txt:安装文件中指定所有包
- conda list: 获取当前环境中已安装的包信息
- conda install –name <env_name> <package_name>: 在指定环境中安装包
- conda install <package_name>: 在当前环境中安装包
- conda remove –name <env_name> <package_name>: 卸载指定环境中的包
- conda remove <package_name>: 卸载当前环境中的包
- conda update –all == upgrade –all:更新所有包
常见问题解决 (更新中)
添加Conda 环境至Jupyter Notebook中
conda
已经停止自动将环境设置为Jupyter
内核,需要手动为每个环境添加内核
- 依赖前提,请自行判断
1 2 3
source activate myenv conda install pip conda install ipykernel # or pip install ipykernel
- 添加内核
1 2
source activate myenv python -m ipykernel install --user --name myenv --display-name "Python(myenv)"
--name
就是Jupyter会在内部中使用该环境,--display-name
在Jupyter Notebook菜单中看到的名称 - 参考
http://ipython.readthedocs.io/en/stable/install/kernel_install.html#kernels-for-different-environments
Conda换源问题
- 切换国内镜像源
1 2 3 4 5
conda config --show # 显示源 # 添加清华镜像 来自-https://mirror.tuna.tsinghua.edu.cn/help/anaconda/ 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
- 切换到默认源
1
conda config --remove-key channels
Anaconda国内镜像挂掉
清华,中科大的镜像之前因为Anaconda协议不可用。改用pyenv-virtualenv
1
2
3
python -m venv venv
source venv/bin/activate # Linux
activate venv/Scripts/activate # windows
Conda 安装Pytorch
在win10安装Pytorch的时候,由于是国内网,在其官网源下载特别慢,而且anaconda镜像没有pytorch源,所以采用第三方源;听起来拗口,看步骤就好了。
- 新建环境
conda create -n torch python=3.6
- 官网查看安装命令,例如
conda install pytorch-cpu torchvision-cpu -c pytorch
其中-c pytorch代表了在pytorch源上下载安装; - 清华源查看添加第三方(Pytorch)源的命令,例如
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
- 在新建的环境终端输入
conda install pytorch-cpu torchvision-cpu
,相比于第二步把官方源去掉了(//还用说吗,因为目前默认清华镜像,如果在特意指出要用pytorch官方源。。。//) - 下载完成;新建环境终端测试
参考:
- https://mirrors.tuna.tsinghua.edu.cn/help/anaconda/
- https://pytorch.org/get-started/locally/
- https://blog.csdn.net/yuanzhoulvpi/article/details/86742729
Conda 安装Keras, Tensorflow
在安装Keras之前,首先需要确保安装了以下三个后端引擎之一:TensorFlow, Theano, CNTK;
在此次安装中,由于TensorFlow官网没有介绍使用Conda安装方法,所有介绍一下如何使用conda 安装Tensorflow. 之后再装keras
1
2
3
4
5
6
7
8
9
10
# method A
conda create -n keras python=3.6
source activate keras
conda install tensorflow-gpu #gpu版,cpu版是tensorflow
# method B
# conda create -n keras python=3.6 tensorflow
# install keras
conda install keras-gpu
问题 1: 安装之后发现报错tensorflow.python.framework.errors_impl.InternalError: cudaGetDevice() failed. Status: CUDA driver version is insufficient for CUDA runtime version
原因翻译过来就是运行版本和驱动版本不匹配;
1
2
3
4
5
6
7
# 查看GPU驱动程序版本 我的为388.13;
# 如果是win,打开终端cd进入C:\Program Files\NVIDIA Corporation\NVSMI.
# 亦可以将以上路径添加到环境变量中,方便经常查看gpu驱动程序状态
nvidia-smi
# 我的keras环境中查看cuda版本
conda list # cudatoolkit=10.0; cudnn=7.6
知晓以上命令后,查看英伟达官网对应关系;388.13对应cuda9.0,由于GPU方程驱动安装复杂一下,因此我觉得改变cuda版本到9.0;
1
2
3
4
5
6
7
8
# 卸载cudatoolkit=10.0, cudnn 大概率会卸掉以他为依赖项的tensorflow等
conda remove cudatoolkit cudnn
# 安装9.0
conda install cudatoolkit=9.0
conda install cudnn
# 安装刚卸载的tensorflow
conda install tensorflow-gpu
conda install keras-gpu
总结:出现这个问题之后,除了上述解决方法,我们还可以更新gpu显卡驱动程序版本和cuda相匹配; 最后警告我们应当1. 先查看显卡驱动程序版本,2. 然后再装cudatoolkit,cudnn, 3. 最后装tensorflow-gpu, keras-gpu等。
参考: