深度学习环境部署教程和Anaconda

本文提供了详细的环境配置步骤,包括使用pip和Anaconda进行Python环境配置的方法,介绍了如何通过配置pip源来加速依赖安装,并展示了如何创建、激活、删除及复制Python环境。此外,还涉及了Docker的基本操作,如容器和镜像的导出与导入。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

pip清华源

mkdir ~/.pip

sudo vim ~/.pip/pip.conf
[global]
index-url = https://pypi.tuna.tsinghua.edu.cn/simple
trusted-host = pypi.tuna.tsinghua.edu.cn

Anaconda创建环境:

下面是创建python=3.6版本的环境,取名叫py36

conda create -n py36 python=3.6 

删除环境

conda remove -n py36 --all

环境复制

  • 首先找到要复制的环境的路径:conda info --env

  • 然后利用克隆命令复制到你要配的账户:conda create -n name --clone path

激活环境

下面这个py36是个环境名

source activate py36

退出环境

source deactivate

如何导出yml文件

conda env list    查找所有环境
conda env export --file python36_20190106.yml

如何导入yml文件

conda env create -f  d:\python36_20190106.yml

Docker

docker将容器导出tar压缩包

#方式一
docker export docker容器的ID > tar包名字.tar
#方式二
docker export  -o tar包名字.tar docker容器的ID

docker容器导入服务器

#方式一
docker import - 要设置的镜像名字 < tar包名字.tar
#方式二
docker import  tar包名字.tar 镜像名称:版本id

docker镜像导出tar压缩包

# AAA:8.2,8.2表示镜像版本号
docker save -o tar名称.tar AAA:8.2 BBB:5.6

docker load -i tar包名称.tar
# -i ,--input 简写, : 指定导入的文件,代替 STDIN。
#-q ,--quiet  简写,  : 精简输出信息。

paddle-gpu

nvidia-docker pull registry.baidubce.com/paddlepaddle/paddle:2.2.2-gpu-cuda10.2-cudnn7

nvidia-docker run --name paddle -d -it -v /home/johnson:/paddle registry.baidubce.com/paddlepaddle/paddle:2.2.2-gpu-cuda10.2-cudnn7 /bin/bash


nvidia-docker pull registry.baidubce.com/paddlepaddle/paddle:2.2.2-gpu-cuda11.2-cudnn8

nvidia-docker run --name paddle -d -it -v /home/johnson:/paddle registry.baidubce.com/paddlepaddle/paddle:2.2.2-gpu-cuda11.2-cudnn8 /bin/bash

安装显卡驱动

deepin安装显卡驱动教程

deepin安装NVIDIA闭源显卡驱动(非第三方驱动)

nvidia-docker安装

nvidia-docker安装、部署与使用

nvidia-docker安装教程

评论 2
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