conda及虚拟环境常用命令

创建虚拟环境：

conda  create  -n  env_name

conda  create  -n  env_name python=3.5 # 创建指定python版本

conda  create  -n  env_name package_name # 创建环境并安装名为package_name 的包

conda  create  -n  env_name python=3.5 numpy scipy # 创建指定python版本下包含某些包

自定义路径：

conda create -p /path/to/your/custom/env myenv

激活虚拟环境：

activate  env_name

#conda 安装tensorflow的CPU版本

eg：conda create -n tensorflow_env tensorflow

conda activate tensorflow_env

#conda安装tensorflow的GPU版本

eg：conda create -n tensorflow_gpuenv tensorflow-gpu

conda activate tensorflow_gpuenv

退出当前虚拟环境：

conda deactivate

复制某个虚拟环境：

conda  create  -n  new_env_name  --clone  old_env_name

删除某个虚拟环境：

conda  remove  -n  env_name  --all

conda env remove -n env_name           #上面失败时用

conda  remove  package                 #删除当前环境中的包

conda  remove  -n  env_name  package   #删除指定环境中的包

查看当前所有虚拟环境：

conda  info  --envs

conda  env  list

查看当前所有虚拟环境下的所有安装包：

conda  list  #需进入该虚拟环境

conda  list  -n  env_name

安装或卸载包（进入虚拟环境之后）：

conda  install  xxx

conda  install  xxx=版本号                      # 指定版本号

conda  install  xxx -i 源名称或链接             # 指定下载源

conda  install --name env_name package_name    #在指定环境中安装包

conda  uninstall  xxx

分享虚拟环境（不同平台和操作系统之间）：

conda env export > environment.yml    # 导出当前虚拟环境，生成environment.yml文件

conda env create -f environment.yml   # 创建保存的虚拟环境，在environment.yml文件路径下使用

conda env update -f environment.yml   #已经创建了环境，想要按照environment.yml的内容进行安装

批量导出虚拟环境中的所有组件（相同平台和操作系统）Conda-Pack：

conda install -c conda-forge conda-pack   # conda-forge  安装

pip install conda-pack                    # PyPI 安装

打包一个环境：

# Pack environment my_env into my_env.tar.gz

conda pack -n my_env

# Pack environment my_env into out_name.tar.gz

conda pack -n my_env -o out_name.tar.gz

# Pack environment located at an explicit path into my_env.tar.gz

conda pack -p /explicit/path/to/my_env

重现环境：

# Unpack environment into directory `my_env`

mkdir -p my_env

tar -xzf my_env.tar.gz -C my_env

# Use Python without activating or fixing the prefixes. Most Python

# libraries will work fine, but things that require prefix cleanups

# will fail.

./my_env/bin/python

# Activate the environment. This adds `my_env/bin` to your path

source my_env/bin/activate

# Run Python from in the environment

(my_env) $ python

# Cleanup prefixes from in the active environment.

# Note that this command can also be run without activating the environment

# as long as some version of Python is already installed on the machine.

(my_env) $ conda-unpack

升级

升级Anaconda需先升级conda

conda update conda

conda update anaconda

conda update --all           #更新所有包

conda update package_name    #更新指定的包

conda install package_name=version_number   #指定版本号升级包

conda list –outdated  #查看可升级的包

conda瘦身

conda clean -p          #删除没有用的包 (检查哪些包没有在包缓存中被硬依赖到其他地方，并删除它们)

conda clean -t          #删除tar包 (删除conda保存下来的tar包)

conda clean -y --all    #删除所有的安装包及cache

查看镜像源：conda config --show channels

添加镜像源：

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/ 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/r/ conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/ conda config --set show_channel_urls yes conda config --append channels conda-forge

Cuda是否安装成功

Cmd  nvcc --version