anaconda相关配置
anaconda常用命令
- 查看Python环境
conda info --env可以看到所有python环境，前面有个‘*’的代表当前环境： - 创建环境
conda create --name python35 python=3.5 - 激活环境
activate py3.7.4 - 删除环境
conda remove -n python35 --all
如果环境的名字中有空格，加上双引号就行
- 查看所有包的版本
pip list - 查看python版本
python -V - 在pycharm使用刚刚创建的环境
Anaconda创建虚拟环境+Pycharm使用Anaconda创建的虚拟环境 - 在断网情况下完成Anaconda虚拟环境安装
还是没有解决
看另一篇博客的，直接把文件夹复制过去
联网的机器A的envs/python38文件夹和anaconda3/pkgs文件夹
需要安装包也是，先在联网的机器A上把包下载好，再到文件夹Anaconda3\envs\python38\Lib\site-packages里把包对应的文件夹复制到没有联网的机器B上，会有很多额外的文件，注意不要漏掉 - 卸载包
如果你安装了tensorflow和numpy,想把numpy降级到另外一个版本。使用conda uninstall numpy会把tensorflow等其他依赖numpy的库一起删除.此时加上conda uninstall numpy --force就仅卸载numpy了.一定要看看conda 的帮助.然后在安装需要的numpy版本.
安装tensorflow2
pip install -i https://pypi.doubanio.com/simple tensorflow==2.0.0
安装pytorch
pip install --user torch==1.0.1 -f https://download.pytorch.org/whl/torch_stable.html -i http://pypi.douban.com/simple/ --trusted-host pypi.douban.com
安装torch-sparse
报错Microsoft Visual C++ 14.0 is required.
https://blog.csdn.net/qq_34740599/article/details/91902007
安装：
安装torch-sparse 和 torch-scatter
- 首先查看torch的版本
print(torch.__version__) - 到网址pytorch-geometric查找对应的版本
- 下载whl文件之后进行安装
安装DGL
在这个网址选择对应的配置
https://www.dgl.ai/pages/start.html
得到命令：
conda install -c dglteam dgl
pip install 只能安装0.6及以下的
安装包到指定文件夹
pip下载包
pip download sklearn_pandas -d "d:\a" -i https://pypi.doubanio.com/simple
pip离线安装包
pip install --no-index --find-links="d:\a" sklearn_pandas
生成requirements.txt的方法
# 安装
pip install pipreqs
# 在项目根目录下执行命令
pipreqs . --encoding=utf8 --force
安装requirements.txt方法
pip install -r requirements.txt
cuda相关
nvidia-smi
windows安装：
https://blog.csdn.net/qq_42814530/article/details/121716046
linux安装：
https://blog.csdn.net/qq_29720657/article/details/109076087
https://blog.csdn.net/qq_43665602/article/details/125752433
wget https://developer.download.nvidia.com/compute/cuda/repos/ubuntu1804/x86_64/cuda-ubuntu1804.pin
sudo mv cuda-ubuntu1804.pin /etc/apt/preferences.d/cuda-repository-pin-600
wget https://developer.download.nvidia.com/compute/cuda/11.7.1/local_installers/cuda-repo-ubuntu1804-11-7-local_11.7.1-515.65.01-1_amd64.deb
sudo dpkg -i cuda-repo-ubuntu1804-11-7-local_11.7.1-515.65.01-1_amd64.deb
sudo cp /var/cuda-repo-ubuntu1804-11-7-local/cuda-*-keyring.gpg /usr/share/keyrings/
sudo apt-get update
sudo apt-get -y install cuda
查看是否能用GPU：
import torch
print(torch.cuda.device_count())
#返回gpu数量；
print(torch.__version__)#1.3.0
print(torch.version.cuda)#10.1
print(torch.cuda.is_available())
#cuda是否可用；
print(torch.cuda.get_device_name(0))#GeForce RTX 2080 Ti
#返回gpu名字，设备索引默认从0开始；
print(torch.cuda.current_device())#0
#返回当前设备索引；
pytorch网站：
https://pytorch.org/get-started/locally/
显存占用和GPU占用是两个不一样的东西，显卡是由GPU和显存等组成的，显存和GPU的关系有点类似于内存和CPU的关系。跑caffe代码的时候显存占得少，GPU占得多；跑TensorFlow代码的时候，显存占得多，GPU占得少。
简而言之：
显卡=GPU+显存+…… 类似 CPU+内存
报错
- 安装包的时候如果报错：ValueError: check_hostname requires server_hostname
就是因为FQ了，暂时关掉重新安装就行 - 在pycharm运行时，报错：Original error was: DLL load failed: 找不到指定的模块。
原因：几个包之间版本不匹配或者在Pycharm中也需要添加环境变量
https://blog.csdn.net/cdpxc/article/details/109179690
加了环境变量也没好，好像是pycharm不能自动配置环境变量，于是直接重新安装2022版的pycharm,会在开始安装之前卸载2018版的
网址：
https://www.jetbrains.com/pycharm/download/#section=windows
参考资料：
Anaconda 查看、创建、管理和使用python环境
jupyter notebook更改默认打开目录
在断网情况下完成Anaconda虚拟环境安装
conda离线创建虚拟环境（或将已有虚拟环境转移到离线主机上）
模型pipeline及pmml文件
