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：
