深度学习配环境指令

        

镜像

#中科大镜像源安装
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/main/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/conda-forge/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/msys2/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/bioconda/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/menpo/
conda config --set show_channel_urls yes
#清华镜像源安装
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
查看当前镜像源
conda config --show
移除当前镜像源
conda config --remove-key channels

pip清华镜像源：
pip config set globa.index-url https://mirrors.aliyun.com/pypi/simple

CMD指令

查所有配置：pip list

进环境：conda activate 环境名
查看当前环境配置：conda list
查看anaconda所有环境：conda info --envs                                                                                   

查cuda版本:nvcc --version                                                                                                               

安装库：pip install 库名
卸载库：pip uninstall 库名

创建环境并安装python：conda create -n 环境名 python=版本号
激活环境：conda activate 环境名

退出当前环境
conda deactivate

查看conda版本：conda --version
查看python版本：进环境python -V

指定位置安装：pip install 包名 --target=路径名
退出python:exit()
进路径：cd /d 路径
查路径文件：dir
终止p处理操作：Ctrl+C
安装失败重新安装，或者换镜像

python直接编译：ipython
pthon编译：Ctrl+r替换

查看能安装tensorflow的所有版本：anaconda search -t conda tensorflow
anaconda show 版本名称

####

可忽略
安装：pip install torch==1.2.0+cu92 torchvision==0.4.0+cu92 -f https://download.pytorch.org/whl/torch_stable.html
安装spacy最新版本：conda install -c conda-forge spacy
安装：pip install 安装库 -i http://pypi.douban.com/simple --trusted-host pypi.douban.com安装：conda install pytorch==1.2.0 torchvision==0.4.0 cudatoolkit=9.2 -c pytorch

####

安装cuda各个版本

查看cuda版本：nvcc -V

网址：CUDA Toolkit Archive | NVIDIA Developerhttps://developer.nvidia.com/cuda-toolkit-archive

cuda10.1安装路径：D:\Anaconda3\cuda10.1
验证当前cuda是否安装成功

安装cudnn（看好对应版本的cuda还有系统）

各个版本地址：cuDNN Archive | NVIDIA Developerhttps://developer.nvidia.com/rdp/cudnn-archive#a-collapse712-9

参考下图v10.0的安装，四个统一置顶

安装python

python个版本安装地址https://www.python.org/downloads/windows/https://www.python.org/downloads/windows/

 cd/d python

pip install setup.py

或者安装Python：conda install Python==版本号

安装TensorFlow

查看tensorflow对应cuda、cudnn、python版本：https://www.tensorflow.org/install/source#gpu

  tenforflow安装参考博客：TensorFlow2.1.0安装教程_YFCodeDream的博客-优快云博客_tensorflow2.1https://blog.youkuaiyun.com/weixin_44170512/article/details/103990592

安装tf2.0：pip install tensorflow==2.0.0 -i https://pypi.tuna.tsinghua.edu.cn/simple

tensorflow各版本安装包网址：1、tensorflow · PyPIhttps://pypi.org/project/tensorflow/1.5.0/

2、将网址中1.5.0改成你需要更换的版本型号打开网址即可

3、下载该安装包复制到环境文件夹中用pip安装或者激活环境pip install 轮子路径

tensorflow+python+cuda+cudnn（cpu+gpu）

 

 安装pytorch

pytorch以前版本安装地址：https://download.pytorch.org/whl/torch_stable.html

目前，Windows 上的 PyTorch 仅支持 Python 3.x；不支持 Python 2.x。

pytorch+torchvision+python+cuda对应版本

官网对应版本cuda+cudnn

Previous PyTorch Versions | PyTorchhttps://pytorch.org/get-started/previous-versions/

jupyter

1.在 conda 环境中运行 Jupyter 服务器和内核

conda create -n my-conda-env   # creates new virtual env
conda activate my-conda-env    # activate environment in terminal
conda install jupyter     # install jupyter + notebook
jupyter notebook       # start server + kernel

2 引入一个环境

方法1

conda activate my-conda-env

 conda install nb_conda

 ipython kernel install --user --name=my-conda-env

jupyter notebook

启动jupyter notebook后，点击右上角的下拉菜单New，可以看见notebook的选项增加了

 方法2

conda create -n my-conda-env    # creates new virtual env
conda activate my-conda-env     # activate environment in terminal
conda install ipykernel      # install Python kernel in new conda env
ipython kernel install --user --name=my-conda-env-kernel  # configure Jupyter to use Python kernel
jupyter notebook      # run jupyter from system

3 使用 nb_conda_kernels 添加所有环境

conda activate my-conda-env    # this is the environment for your project and code
conda install ipykernel
conda deactivate

conda activate base      # could be also some other environment
conda install nb_conda_kernels
jupyter notebook

• 可以下面命令删除 Kernel
  jupyter kernelspec remove stm32

• jupyter中运行pip install [moduleName] 命令时候需要在前面加一个‘！’

  ！pip install imblearn