Anaconda使用,anaconda功能介绍
Anaconda常用的Python版本管理工具和Python包管理软件。conda是Anaconda中的一个特定管理工具,它的下载地址是:
https://www.anaconda.com/distribution/
这个软件很大,下载时间很长。
因为Anaconda原来下载包的地址在国外,网速也不快,所以我们一般选择切换到国内的图片来源:
一般建议选择中科大的镜像,不要选择清华的。可能是清华镜像人太多,也可能是它网速一般,所以下载速度可能比中科大慢几倍。
==================================================================
镜像源的安装:
中科大镜像来源补充:
命令:
康达配置-添加https://mirrors.ustc.edu.cn/anaconda/pkgs/free/频道
康达配置-添加https://mirrors.ustc.edu.cn/anaconda/pkgs/main/频道
配置-设置show _ channel _ URLs是,然后转到。康达尔删除原清华图片。
vim ~/。康达尔
删除上图第三行,保存。
虽然不建议使用清华的图像源,但其添加方法给出如下:
康达配置-添加https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/频道
康达配置-添加https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/频道
condenfig-set show _ channel _ URLs Yes强烈建议用清华的镜像源码,真的太慢了!
最后,如果只加中科大的镜像源的话~/的内容。condarc如下:
康达附加库:
这里只说一下中科大图像的安装方法:
康达锻造厂
康达配置-添加https://mirrors.ustc.edu.cn/anaconda/cloud/conda-forge/msys2频道
康达配置-添加https://mirrors.ustc.edu.cn/anaconda/cloud/msys2/bioconda频道
康达配置-添加https://mirrors.ustc.edu.cn/anaconda/cloud/bioconda/menpo频道
https://mirrors.ustc.edu.cn/anaconda/cloud/menpo/科技大学镜像的完整添加命令:
康达配置-添加https://mirrors.ustc.edu.cn/anaconda/pkgs/free/频道
康达配置-添加https://mirrors.ustc.edu.cn/anaconda/pkgs/main/频道
康达配置-添加https://mirrors.ustc.edu.cn/anaconda/cloud/conda-forge/频道
康达配置-添加https://mirrors.ustc.edu.cn/anaconda/cloud/msys2/频道
康达配置-添加https://mirrors.ustc.edu.cn/anaconda/cloud/bioconda/频道
康达配置-添加https://mirrors.ustc.edu.cn/anaconda/cloud/menpo/频道
conda config-set show _ channel _ URLs yes==================================================
检查aconda版本:
Conda -版本#查看Conda的版本
在conda中更新各种包(Python库)
康达升级-全部
升级自己,也就是升级conda,这是Anaconda的管理工具。
康达更新康达
如何更新升级软件Anaconda?
#如果您想更新到Anaconda的新版本,请键入:
#
# $ conda更新-前缀/home/devil/anaconda3 anaconda
conda更新-前缀* * * * * * * * *蟒蛇
其中* * * * * * * * *是软件Anaconda的安装路径,prefix-prefix * * * * * * *指定软件的安装路径。
或者使用以下命令:
康达更新蟒蛇
康达列表
打印当前环境中安装的包(Python库)
以上命令可以发现,除了更新自身,即更新conda软件(conda update conda)和检查自身版本(conda - version)之外,其余命令只对当前环境,即(base)环境有效,也就是说conda list打印出当前环境,即base环境中已安装的软件包,(conda upgrade - all)也是升级(base)
注意:默认情况下,默认环境是conda安装后的默认内置环境,即(基础)环境。
=======================================================================
新安装环境:
Anaconda软件的默认环境是base。如果我们需要不同版本的Python和软件版本,那么我们需要安装一个新的环境。
一个create-n py36 Python=3.6 tqdm创建一个新环境,命名为py36,为该环境将Python版本设置为Python3.6,并为该环境安装tqdm。
激活环境:
#要激活此环境,请使用
#
# $康达激活py36
康达激活py36
退出环境:
#要停用活动环境,请使用
#
# $ conda停用
康达停用
在环境中卸载安装包:
Conda remove -n py36 tqdm在环境py36中卸载安装包tqdm。
为环境安装软件包:
Condinstall-n py36 tqdm为环境py36安装软件包tqdm。
删除环境中的所有包:
(相当于删除环境)
Conda remove -n py36 - all删除环境py36中的所有软件包。
请注意,如果软件中没有安装第三方软件包,此方法无法删除环境。
如下所示:
这是一个新创造的环境。dev不包含任何第三方软件包。
此时发现使用conda remove -n dev - all方法无法删除环境,如下图所示:
此时,使用删除环境命令:
condenv remove-n devcon daenv remove-n/-name * * * *环境名称
删除名为dev的环境。
查看环境命令:
康达信息-环境或
条件信息或
康达环境列表
如下图:
重命名环境或复制环境。
create-n py36.bak-clone py36创建一个新环境py36。bak是从原始环境py36复制而来的。
conda中没有直接重命名环境的命令。我们可以将环境复制(克隆)成一个新名称,然后删除具有该名称的原始环境。
========================================================================
共享环境如果你用conda写了一个程序或者部分代码,现在需要别人在另一台电脑上运行或者开发,那么我们可以把我们开发环境的配置保存到一个文件中,然后在另一台电脑上使用conda,根据配置环境直接生成需要的编程环境。
第一步:融入环境。
康达激活py35
步骤2:保存环境的配置文件。
conda env export env_py35.yml
可以在保存的环境配置文件env_py35.yml中看到具体内容:
步骤3:根据环境配置文件在新计算机中生成一个新环境。
conda env create -f env_py35.yml
Condenv create-f * * * * * * *根据环境配置文件生成一个新的环境。
* * * * * * * *指的是环境配置文件。
可以发现,在新的电脑中,我们已经根据保存的环境配置文件生成了一个新的环境。
=========================================================================
查看环境中安装的软件包。
康达列表
Condolist用于查看当前环境中已安装的软件包。
conda list -n base查看名为base的环境中已安装的软件包。
注意,不同环境下安装的软件包是不同的。
================================================================
如果在创建新环境时未指定Python版本,则Python版本是基础环境中的Python版本。创建新环境时,如果未指定Python版本和第三方软件库,新环境将使用基础环境中的Python版本和软件库,但其环境配置文件为空。如下图:
根据上图,如果在新建环境时没有指定Python版本和第三方软件库,那么在base环境中会使用Python版本和第三方库,但是在输出新创建的环境配置文件后,会发现没有配置。所以你可以发现,我们在穿戴新环境进行不必要的后续开发时,应该避免不指定Python版本和第三方软件库。
如果创建新环境时没有指定Python版本,而是指定了Python第三方软件库,那么新环境将根据基础环境中的Python版本创建新的Python环境,并生成新的环境。
===============================================================
在软件源中查询库版本:
康达搜索张量流
指定查询版本:
康达搜索张量流==1.12
康达搜索张量流-gpu==1.12
在anaconda源码中查询Python包,anaconda会返回安装的版本号和安装方法:
anaconda show anaconda/tensor flow-gpuanaconda show anaconda/tensor flow anaconda show anaconda/* * * * * * * * * * *
* * * * * * * * *是Python包的名称。
===============================================================
用康达安装tensorflow时应注意:
tensor flow 1.4及以下版本不支持cuda9.0,tensor flow 1.0及以上版本不支持cuda9.0及以下版本。
gpu1.5之后不支持Tensorflow-gpu1.5 8.0。cuda8.0对应的CuDNN必须是6.0版本。
也就是说,如果你的CUDA是8.0版本,那么cuDNN一定是6.0版本,如果你安装了tensorflow,最高版本可以安装到1.4,即tensorflow_1.4。
但是康达可以自动安装相应的cuda和cuDNN版本,如下:
注意:cuda8.0和cuDNN6.0物理安装在该机器中。
如下图:
可以发现,即使cuda8.0和cudnn6.0不能在物理机上安装tensorflow-gpu=1.5,但康达自动安装cuda9.0和cudnn7.3,使得安装tensorflow-gpu=1.5成为可能。太神奇了。由此可以发现,康达已经将cuda和cudnn内置到了自己的软件包中。
当然这个方法虽然很好,但是不能把显卡驱动打包在一起,因为显卡驱动和你电脑的物理显卡版本是一样的,也就是说你的显卡是1050ti,所以你安装的显卡驱动最高可能支持cuda9.1和cudnn7.3.1,但是tensorflow-gpu=1.12(最新版本,康达提供的编译包)需要cuda9.2和cudnn7.3.1,这种情况下你可以
如下所示:
最后的问题是显卡驱动版本不够,1050ti显卡驱动不支持更高的cuda版本,用康达提供的编译tensorflow-gpu做不到。也许从tensorflow-gpu源代码编译就能做到,这里就不研究了。
转载请联系作者授权,否则将追究法律责任。
郑重声明:本文由网友发布,不代表盛行IT的观点,版权归原作者所有,仅为传播更多信息之目的,如有侵权请联系,我们将第一时间修改或删除,多谢。