Anaconda2与Anaconda3并存(Ubuntu)
安装包下载 https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/
bash Anaconda2-5.0.1-Linux-x86_64.sh
sudo gedit ~/.bashrc
export PATH=/home/zzg/anaconda2/bin:$PATH
source ~/.bashrc
bash Anaconda3-4.3.0-Linux-x86_64.sh -b -p $HOME/anaconda2/envs/py3
rm -f $HOME/anaconda2/envs/py3/bin/conda*
rm -f $HOME/anaconda2/envs/py3/conda-meta/conda-*
rm -f $HOME/anaconda2/envs/py3/bin/activate
rm -f $HOME/anaconda2/envs/py3/bin/deactivate
cd $HOME/anaconda2/envs/py3/bin
ln -s ../../../bin/conda .
ln -s ../../../bin/activate .
ln -s ../../../bin/deactivate .
换源
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/
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/free/
conda config --set show_channel_urls yes
#查看配置文件的内容
gedit ~/.condarc
# 删除源
conda config --remove-key channels
# 临时
pip install scrapy -i https://pypi.tuna.tsinghua.edu.cn/simple
# 永久,修改 ~/.pip/pip.conf (没有就创建一个)
[global]
index-url = https://pypi.tuna.tsinghua.edu.cn/simple
虚拟环境操作
# 激活/退出 虚拟环境(Windows不加source)
source activate env_name
source deactivate
# 创建/删除 虚拟环境
conda create -n 环境名 python=x.x
conda create -n 环境名 --clone 已有环境名
conda remove -n env_name --all
conda env remove -n env-name
# 导入/导出
conda env export > environment.yaml
conda env create -f environment.yaml
pip freeze > requirements.txt
pip install -r requirements.txt
# 查看已有虚拟环境
conda env list
# 查看指定虚拟环境的Package
conda list -n env_name
# 在指定虚拟环境安装package
conda install -n env_name [package]
# 检查更新当前conda
conda update conda
# jupyter 切换kernel 运行在指定虚拟环境下的办法
conda install nb_conda
conda install ipykernel
python -m ipykernel install --user --name 环境名称 --display-name "Python (环境名称)"
Package管理
# 查询Package
anaconda search -t conda [Package]
conda search [Package]
# 安装Package
conda install -c [UserName] [Package]
conda install --channel https://conda.anaconda.org/... [Package]
conda install [Package]=version
# 卸载Package
conda uninstall [Package]
# 更新Package
conda update [Package]
# 查看已装Package vision
conda list|grep [Package]
# 离线包下载
https://anaconda.org
https://pypi.org
手动安装Package
# https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/
# https://anaconda.org/
# 离线安装
conda install --offline [pkge.tar.bz2]
# 对相关的包来进行在线匹配
conda install [pkge.tar.bz2]
Tensorflow安装
# 安装x.xx版本
conda install tensorflow-gpu==x.xx
# test
import tensorflow as tf
sess = tf.Session(config=tf.ConfigProto(log_device_placement=True))
# 查看日志信息若包含gpu信息,就是使用了gpu
# 自动安装的cuda-driver可能导致报错,卸载之 conda uninstall cuda-driver
Pytorch安装
官网 https://pytorch.org/get-started/locally/
安装包地址:https://download.pytorch.org/whl/torch_stable.html
# 不建议安装CUDA 9.1 ,建议安装CUDA 9.0版本。CUDA 9.1里面自带387驱动,但是一般CUDA 9.1自带的驱动一般很难安装成功的,所以建议自己去单独安装384显示驱动。并且官网提示CUDA9.1 需要的显卡驱动必须至少是390以上版本,所以安装了384显卡驱动则需要安装CUDA9.0。
conda install pytorch torchvision cudatoolkit=9.0 -c pytorch
ImportError: torch.utils.ffi is deprecated. Please use cpp extensions instead.
需要安装旧版 0.4.x
https://pytorch.org/get-started/previous-versions/
Keras中mnist数据集测试
# TensorFlow运行错误,AttributeError: module ‘pandas’ has no attribute ‘computation’
可能是在pandas-0.20.2里没有这个属性吧,所以需要把pandas的版本换为老版本的(此处以换为pandas-0.19.2为例)
pip install git
git clone https://github.com/fchollet/keras.git
cd keras/examples/
python mnist_cnn.py #使用所有可用的GPU进行计算
Debug
tensorboardX 安装失败
pip install -U protobuf # 可以尝试离线安装