Anaconda学习总结

Conda的环境管理

Conda的环境管理功能允许我们同时安装若干不同版本的Python,并能自由切换。对于上述安装过程,假设我们采用的是Python 2.7对应的安装包,那么Python 2.7就是默认的环境(默认名字是root,注意这个root不是超级管理员的意思)。

假设我们需要安装Python 3.5,此时,我们需要做的操作如下:

# 创建一个名为python35的环境,指定Python版本是3.5(不用管是3.5.x,conda会为我们自动寻找3.5.x中的最新版本)
conda create --name python35 python=3.5

# 安装好后,使用activate激活某个环境
activate python35 # for Windows
source activate python35 # for Linux & Mac
# 激活后,会发现terminal输入的地方多了python35的字样,实际上,此时系统做的事情就是把默认2.7环境从PATH中去除,再把3.5对应的命令加入PATH

# 此时,再次输入
python --version
# 可以得到`Python 3.5.4 :: Anaconda 5.0 (64-bit)`,即系统已经切换到了3.5的环境

# 如果想返回默认的python 2.7环境,运行
deactivate python35 # for Windows
source deactivate python35 # for Linux & Mac

# 删除一个已有的环境
conda remove --name python35 --all

Conda常用操作

# 查看当前环境下已安装的包
conda list

# 查看某个指定环境的已安装包
conda list -n python35

# 查找package信息
conda search numpy

# 安装package
conda install -n python35 numpy
# 如果不用-n指定环境名称,则被安装在当前活跃环境
# 也可以通过-c指定通过某个channel安装

# 更新package
conda update -n python35 numpy

# 删除package
conda remove -n python35 numpy

# 更新conda,保持conda最新
conda update conda

# 更新anaconda
conda update anaconda

# 更新python
conda update python

补充:如果创建新的python环境,比如35,运行conda create -n python35 python=3.5之后,conda仅安装python 3.5相关的必须项,如python, pip等,如果希望该环境像默认环境那样,安装anaconda集合包,只需要:

# 在当前环境下安装anaconda包集合
conda install anaconda

# 结合创建环境的命令,以上操作可以合并为
conda create -n python35 python=3.5 anaconda
# 也可以不用全部安装,根据需求安装自己需要的package即可

设置国内镜像

如果需要安装很多packages,你会发现conda下载的速度经常很慢,因为Anaconda.org的服务器在国外。所幸的是,清华TUNA镜像源有Anaconda仓库的镜像,但是不知道为什么清华的镜像这几天挂了,我就找到了中科大的镜像,经过我的测试,中科大的镜像速度还是很快的。我们将其加入conda的配置即可:

# 添加Anaconda的中科大镜像
conda config --add channels http://mirrors.ustc.edu.cn/anaconda/pkgs/free/
# TUNA的help中镜像地址加有引号,需要去掉

# 设置搜索时显示通道地址
conda config --set show_channel_urls yes

注:执行完上述命令后,会生成~/.condarc(Linux/Mac)或C:\Users\USER_NAME.condarc文件,记录着我们对conda的配置,直接手动创建、编辑该文件是相同的效果。

### Anaconda在深度学习中的使用方法及环境搭建 Anaconda 是一个广泛使用的开源发行版,它集成了 Python 和大量科学计算、数据分析和机器学习相关的库。以下是关于如何使用 Anaconda 进行深度学习配置和环境搭建的详细说明: #### 1. 安装 Anaconda 安装 Anaconda 是深度学习环境搭建的第一步。Anaconda 包含了 Python 的完整环境以及 `conda` 命令工具,可以直接用于管理包和虚拟环境[^2]。 - 下载适合操作系统的 Anaconda 版本,并按照官方指南完成安装。 - 在安装过程中,务必勾选“添加到系统路径”选项以确保命令行工具能够正常工作[^4]。 #### 2. 验证安装 安装完成后,可以通过以下命令验证 Anaconda 是否成功安装: ```bash conda -V ``` 如果返回 Conda 的版本号,则表明安装成功。 #### 3. 创建虚拟环境 为了隔离不同项目的依赖关系,建议为每个深度学习项目创建独立的虚拟环境。 - 使用以下命令创建一个新的虚拟环境: ```bash conda create -n myenv python=3.9 ``` 上述命令会创建一个名为 `myenv` 的虚拟环境,并指定 Python 版本为 3.9。 - 激活虚拟环境: ```bash conda activate myenv ``` #### 4. 配置国内镜像源 由于网络原因,直接从国外服务器下载包可能会较慢。可以配置国内镜像源来加速下载过程[^3]。 - 修改或创建 `.condarc` 文件,添加以下内容: ```yaml channels: - defaults show_channel_urls: true default_channels: - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2 custom_channels: conda-forge: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud msys2: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud bioconda: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud menpo: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud pytorch: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud ``` #### 5. 安装深度学习框架 在虚拟环境中安装所需的深度学习框架(如 TensorFlow 或 PyTorch)。 - 安装 PyTorch: ```bash conda install pytorch torchvision torchaudio cudatoolkit=11.3 -c pytorch -c nvidia ``` 上述命令会安装 PyTorch 及其相关依赖项,并指定 CUDA 工具包版本为 11.3[^2]。 - 安装 TensorFlow: ```bash conda install tensorflow ``` #### 6. 环境管理与验证 - 列出所有已创建的虚拟环境: ```bash conda env list ``` - 验证安装的深度学习框架是否正常工作。例如,在 Python 中运行以下代码检查 PyTorch 是否正确安装: ```python import torch print(torch.cuda.is_available()) ``` #### 7. 使用 Anaconda Navigator(可选) 虽然推荐通过终端命令进行环境管理,但也可以使用 Anaconda Navigator 图形化界面来管理环境和包[^3]。启动 Navigator 的方法如下: ```bash anaconda-navigator ``` ### 总结 通过上述步骤,可以使用 Anaconda 成功搭建一个高效、稳定的深度学习开发环境[^1]。这不仅简化了环境配置的过程,还提高了开发效率。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值