anaconda使用帮助
1 管理虚拟环境1.1 查看虚拟环境列表注：带星号的是当前所处的虚拟环境。方法一：(base) PS C:\Users\fy> conda info -e# conda environments:#
·
文章目录
1 管理虚拟环境
1.1 查看虚拟环境列表
注：带星号的是当前所处的虚拟环境。
方法一：
(base) PS C:\Users\fy> conda info -e
# conda environments: # base * C:\Users\fy\scoop\apps\anaconda3\2021.11 D2L-GPU C:\Users\fy\scoop\apps\anaconda3\2021.11\envs\D2L-GPU D2L-dive_into_deep_learning C:\Users\fy\scoop\apps\anaconda3\2021.11\envs\D2L-dive_into_deep_learning
方法二：
(base) PS C:\Users\fy> conda env list
# conda environments: # base * C:\Users\fy\scoop\apps\anaconda3\2021.11 D2L-GPU C:\Users\fy\scoop\apps\anaconda3\2021.11\envs\D2L-GPU D2L-dive_into_deep_learning C:\Users\fy\scoop\apps\anaconda3\2021.11\envs\D2L-dive_into_deep_learning
1.2 创建虚拟环境
注：virtual_env_name为某个虚拟环境的名字。
conda create -n virtual_env_name python=x.x
如： conda create -n venv-first python=3.8
1.3 激活虚拟环境
conda activate virtual_env_name
1.4 退出当前虚拟环境
conda deactivate
1.5 删除虚拟环境
conda env remove -n D2L-GPU
conda remove -n virtual_env_name --all
1.6 虚拟环境包管理
1.删除某些包
方法一：
conda remove -n virtual_env_name pkg_name （删除虚拟环境中名为pkg_name的包）
方法二：首先激活某个虚拟环境，然后使用conda remove pkg_name
(base) PS C:\Users\fy> conda activate D2L-GPU
(D2L-GPU) PS C:\Users\fy> conda remove pkg_name
2.查找某些包
(base) PS C:\Users\fy\desktop> conda search cudnn
Loading channels: done
# Name Version Build Channel
cudnn 6.0 0 anaconda/pkgs/free
cudnn 7.1.4 cuda8.0_0 anaconda/pkgs/main
cudnn 7.1.4 cuda8.0_0 pkgs/main
cudnn 7.1.4 cuda9.0_0 anaconda/pkgs/main
cudnn 7.1.4 cuda9.0_0 pkgs/main
...
cudnn 7.6.5 cuda10.2_0 anaconda/pkgs/main
cudnn 7.6.5 cuda10.2_0 pkgs/main
cudnn 7.6.5 cuda9.0_0 anaconda/pkgs/main
cudnn 7.6.5 cuda9.0_0 pkgs/main
cudnn 7.6.5 cuda9.2_0 anaconda/pkgs/main
cudnn 7.6.5 cuda9.2_0 pkgs/main
cudnn 8.2.1 cuda11.3_0 anaconda/pkgs/main
cudnn 8.2.1 cuda11.3_0 pkgs/main
3.安装某些包
方法一：
conda install -n virtual_env_name pkg_name
方法二：首先激活某个虚拟环境，然后使用conda install pkg_name
(base) PS C:\Users\fy> conda activate D2L-GPU
(D2L-GPU) PS C:\Users\fy> conda install pkg_name
方法三：离线安装软件包
https://mirrors.bfsu.edu.cn/anaconda/pkgs/main/linux-64/cudnn-7.6.5-cuda10.0_0.tar.bz2
https://mirrors.bfsu.edu.cn/anaconda/pkgs/main/linux-64/cudatoolkit-10.0.130-0.tar.bz2
先将上述包下载到本地，再虚拟环境中执行安装命令即可
(tf1.14-py37) root@3b:~/fy# conda install --offline /root/fanyi/cudatoolkit-10.0.130-0.tar.bz2
Downloading and Extracting Packages
#################################################################################################################################################################################### | 100%
Preparing transaction: done
Verifying transaction: done
Executing transaction: done
(tf1.14-py37) root@3b:~/fy# conda install --offline /root/fanyi/cudnn-7.6.5-cuda10.0_0.tar.bz2
...
4.查看虚拟环境包列表
方法一：
(base) PS C:\Users\fy> conda list -n virtual_env_name
方法二：首先激活某个虚拟环境，然后使用conda list
(base) PS C:\Users\fy> conda activate D2L-GPU
(D2L-GPU) PS C:\Users\fy> conda list
# packages in environment at C:\Users\fy\scoop\apps\anaconda3\2021.11\envs\D2L-GPU:
#
# Name Version Build Channel
argon2-cffi 21.3.0 pypi_0 pypi
argon2-cffi-bindings 21.2.0 pypi_0 pypi
asttokens 2.0.5 pypi_0 pypi
...
1.7 查看使用的源（.condarc)
# config config -h
(tf) PS C:\Users\fy\desktop> conda config --show-sources
==> C:\Users\fy\.condarc <==
channels:
- https://mirrors.ustc.edu.cn/anaconda/pkgs/main/
- https://mirrors.ustc.edu.cn/anaconda/pkgs/free/
- defaults
show_channel_urls: True
1.8 虚拟环境改名
貌似没有方面的直接改名方法。具体方法为将旧环境克隆到一个新环境，再删除旧环境
# 1 将旧环境克隆到一个新环境
conda create -n new-env-name --clone old-env-name
conda create --name new-env-name --clone old-env-name
# 2 删除旧环境
conda env remove -n old-env-name
2 jupyter notebook 内核（kernel）管理
2.1 添加kernel
如果使用conda建了一个虚拟环境，有时候需要使用虚拟环境的kernel来运行代码，下面说明如何在jupyter notebook中添加新的kernel。
首先安装ipykernel包，然后安装kernel。安装kernel之前首先激活相应的虚拟环境，比如有一个名叫D2L-GPU的虚拟环境。
--name xxx：其中 xxx为内核名，可任取。
(base) PS C:\Users\fy> conda install ipykernel
(base) PS C:\Users\fy> conda active D2L-GPU
(D2L-GPU) PS C:\Users\fy> python -m ipykernel install --name D2L-GPU
Installed kernelspec D2L-GPU in C:\ProgramData\jupyter\kernels\d2l-gpu
2.2 移除kernel
首先查看可用的kernel
(base) PS C:\Users\fy\desktop> jupyter kernelspec list
Available kernels:
python3 C:\Users\fy\scoop\apps\anaconda3\current\share\jupyter\kernels\python3
d2l-cpu C:\ProgramData\jupyter\kernels\d2l-cpu
d2l-gpu C:\ProgramData\jupyter\kernels\d2l-gpu
删除不需要的kernel
(base) PS C:\Users\fy\desktop> jupyter kernelspec remove d2l-cpu
Kernel specs to remove:
d2l-cpu C:\ProgramData\jupyter\kernels\d2l-cpu
Remove 1 kernel specs [y/N]: y
[RemoveKernelSpec] Removed C:\ProgramData\jupyter\kernels\d2l-cpu
命令详细用法使用如下命令
(base) PS C:\Users\fy\desktop> jupyter kernelspec -h
3 jupyter notebook中%matplotlib inline如何在pycharm中修改
以下为jupyter notebook中的代码：
%matplotlib inline
import torch
from torch import nn
from d2l import torch as d2l
T = 1000 # 总共产生1000个点
time = torch.arange(1, T + 1, dtype=torch.float32)
x = torch.sin(0.01 * time) + torch.normal(0, 0.2, (T,))
d2l.plot(time, [x], 'time', 'x', xlim=[1, 1000], figsize=(6, 3))
在pycharm中改成如下样式：
# %matplotlib inline # 注释此行
import torch
import matplotlib.pyplot as plt # 新增此行
from torch import nn
from d2l import torch as d2l
T = 1000 # 总共产生1000个点
time = torch.arange(1, T + 1, dtype=torch.float32)
x = torch.sin(0.01 * time) + torch.normal(0, 0.2, (T,))
d2l.plot(time, [x], 'time', 'x', xlim=[1, 1000], figsize=(6, 3))
plt.show() # 新增此行
4 浏览器访问虚拟机中的jupyter notebook
4.1 安装并开启虚拟机中的jupyter notebook
fy@fy-server:~$ sudo apt install jupyter-notebook
fy@fy-server:~$ jupyter notebook
4.2 配置端口映射
1、查看虚拟机内系统的ip地址
fy@fy-server:~$ ifconfig
ens33: flags=4163<UP,BROADCAST,RUNNING,MULTICAST> mtu 1500
inet 192.168.32.135 netmask 255.255.255.0 broadcast 192.168.32.255
inet6 fe80::20c:29ff:fef8:4af4 prefixlen 64 scopeid 0x20<link>
ether 00:0c:29:f8:4a:f4 txqueuelen 1000 (Ethernet)
RX packets 139 bytes 21912 (21.9 KB)
RX errors 0 dropped 0 overruns 0 frame 0
TX packets 143 bytes 18641 (18.6 KB)
TX errors 0 dropped 0 overruns 0 carrier 0 collisions 0
lo: flags=73<UP,LOOPBACK,RUNNING> mtu 65536
inet 127.0.0.1 netmask 255.0.0.0
inet6 ::1 prefixlen 128 scopeid 0x10<host>
loop txqueuelen 1000 (Local Loopback)
RX packets 106 bytes 8664 (8.6 KB)
RX errors 0 dropped 0 overruns 0 frame 0
TX packets 106 bytes 8664 (8.6 KB)
TX errors 0 dropped 0 overruns 0 carrier 0 collisions 0
2、登录到虚拟机中的主机并映射端口
在本机poweshell执行如下命令，将ubuntu系统（fy@192.168.32.135）中的8888端口映射到本地8887端口。
PS C:\Users\Administrator\Desktop> ssh -L 8887:localhost:8888 fy@192.168.32.135
3、获取jupyter notebook的token
执行上条命令后，再运行命令 jupyter notebook list，获取token
fy@fy-server:~$ jupyter notebook list
Currently running servers:
http://localhost:8888/?token=dda884885ca74b0c77695da98334540076d8ae670d702547 :: /home/fy
3、在本地浏览器访问远端jupyter notebook
在浏览器中粘贴如下地址，回车。就能访问到虚拟机中的jupyter notebook了
localhost:8887/?token=dda884885ca74b0c77695da98334540076d8ae670d702547
5 使用anaconda搭建深度学习环境
5.1 pytorch
(base) PS C:\Users\fy\desktop> conda create --name d2l python=3.8 -y
(base) PS C:\Users\fy\desktop> conda activate d2l
(d2l) PS C:\Users\fy\desktop> conda install pytorch torchvision torchaudio cudatoolkit=11.3 -c pytorch
# 进入python环境
>>> import torch
>>>
>>> torch.__version__
'1.11.0'
>>>
>>> torch.cuda.is_available()
True
5.2 tensorflow
tensorflow版本和cuda版本、cudnn版本对应关系
(base) PS C:\Users\fy\desktop> conda create -n tf python=3.9
(base) PS C:\Users\fy\desktop> conda activate tf
(tf) PS C:\Users\fy\desktop> pip install tensorflow
(tf) PS C:\Users\fy\desktop> conda install cudnn cudatoolkit
# 进入python环境
>>> import tensorflow as tf
>>>
>>> tf.__version__
'2.9.1'
>>>
>>> tf.config.list_physical_devices("GPU")
[PhysicalDevice(name='/physical_device:GPU:0', device_type='GPU')]
开放原子开发者工作坊旨在鼓励更多人参与开源活动，与志同道合的开发者们相互交流开发经验、分享开发心得、获取前沿技术趋势。工作坊有多种形式的开发者活动，如meetup、训练营等，主打技术交流，干货满满，真诚地邀请各位开发者共同参与！
更多推荐
3
0- 0
已为社区贡献4条内容
所有评论(0)