anaconda 命令大全

Posted by WangW on May 17, 2019

Anaconda命令大全

目录图

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

  1. 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
    
  2. 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

  3. 参考
    http://ipython.readthedocs.io/en/stable/install/kernel_install.html#kernels-for-different-environments

Conda换源问题

  1. 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
    
  2. 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。

  1. 新建环境conda create -n torch python=3.6
  2. 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;
  3. 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/
  4. 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。。。//)
  5. 下载完成;新建环境终端测试

参考:

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: