**Author By Bing **

On 2020-08-06

[toc]

1. Anaconda簡介

1.1 特點

Anaconda是Python的包管理器和環(huán)境管理器，其包含了conda、Python等180多個科學(xué)包及其依賴項。

我已經(jīng)安裝了Python，那么為什么還需要Anaconda呢？原因有以下幾點：

• Anaconda附帶了一大批常用數(shù)據(jù)科學(xué)包，它附帶了conda、Python和 180 多個科學(xué)包及其依賴項，因此你可以用Anaconda立即開始處理數(shù)據(jù)。
• 包管理：Anaconda 是在 conda（一個包管理器和環(huán)境管理器）上發(fā)展出來的。在數(shù)據(jù)分析中，你會用到很多第三方的包，而conda（包管理器）可以很好的幫助你在計算機上安裝和管理這些包，包括安裝、卸載和更新包。
• 環(huán)境管理：為什么需要管理環(huán)境呢？比如你在A項目中用到了Python2，而新的項目要求使用Python3，而同時安裝兩個Python版本可能會造成許多混亂和錯誤。這時候conda就可以幫助你為不同的項目建立不同的運行環(huán)境。還有很多項目使用的包版本不同，比如不同的pandas版本，不可能同時安裝兩個pandas版本。你要做的應(yīng)該是在項目對應(yīng)的環(huán)境中創(chuàng)建對應(yīng)的pandas版本。這時候conda就可以幫你做到。

1.2 下載

官網(wǎng)地址：https://www.anaconda.com/download/

官方archive: https://repo.anaconda.com/archive/ (推薦，全)

清華鏡像：https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/（推薦，快）

1.3 Anaconda 安裝包版本與Python版本對應(yīng)關(guān)系

1.4 安裝

略

Note:注意添加環(huán)境變量

1.5 軟件簡介

• Jupyter Lab

  • JupyterLab，極其強大的下一代notebook！

• Jupyter Notebook-REPL

  • Jupyter Notebook介紹、安裝及使用教程

• Spyder-IDE

  • Spyder使用教程

1.6 pip 與 conda之爭

配置源的目的：官方服務(wù)器在國外，下載速度慢。配置源可以加速下載所需要的軟件包。

配置pip源

• 臨時源 pip install -i https://pypi.tuna.tsinghua.edu.cn/simple pandas

• 固定源

  • 類Unix

  cd 
  mkdir .pip # 注意有個點
  vim pip.conf
  # 寫入以下內(nèi)容
  
  [global]
  index-url = https://pypi.tuna.tsinghua.edu.cn/simple
  [install]
  trusted-host = https://pypi.tuna.tsinghua.edu.cn
  

  • Windows

  # 在user目錄下新建一個pip目錄，注意沒有“點”。然后新建pip.ini文件，寫入以下內(nèi)容
  
  [global]
  index-url = http://pypi.douban.com/simple
  [install]
  trusted-host = pypi.douban.com
  

附：國內(nèi)知名鏡像地址 PIP下載安裝更高效

配置conda源

• 臨時源

  • 這個不太常用，沒試過，以后試過再來補充。

• 固定源

  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/main
  conda config --set show_channel_urls yes
  

• 換回默認源

  • conda config --remove-key channels

在執(zhí)行conda config 命令的時候，會在當(dāng)前用戶目錄下創(chuàng)建.condarc文件，注意

附：conda國內(nèi)鏡像修改最新版

pip VS conda

img

https://www.sohu.com/a/259103573_657064

http://www.itdecent.cn/p/5601dab5c9e5

小孩子才做選擇，成年人的我全都要。

將pip與conda結(jié)合的主要原因是有些包只能通過pip安裝。 Anaconda創(chuàng)酷提供超過1,500個軟件包，包括最流行的數(shù)據(jù)科學(xué)，機器學(xué)習(xí)和AI框架。這些，以及包括conda-forge和bioconda在內(nèi)的數(shù)據(jù)通過Anaconda云提供的數(shù)千個附加軟件包，可以使用conda進行安裝。盡管有大量的軟件包，但與PyPI上提供的150,000多個軟件包相比，它仍然很小。有時候需要的包沒有conda包，但在PyPI上有，可以用pip安裝。

2. 虛擬環(huán)境

2.1 使用conda管理虛擬環(huán)境

• 創(chuàng)建虛擬環(huán)境

conda create -n xb_py_venv

之后y確認即可。

• 激活(脫出)虛擬環(huán)境

source activate xb_py_venv #激活
source deactivate xb_py_venv #不激活

• 其他關(guān)于conda的命令

• 列出所有已有虛擬環(huán)境

conda env list
conda info -e

• 創(chuàng)建新的虛擬環(huán)境

conda create -n env_name python=version

• 激活并進入虛擬環(huán)境

conda activate env_name

• 刪除一個已有的虛擬環(huán)境(以下兩條指令均可)

conda env remove -n env_name

• 分享代碼的時候,同時也需要將運行環(huán)境分享給大家

conda env export > env.yaml

• 用對方分享的YAML文件來創(chuàng)建一模一樣的運行環(huán)境

conda env create -f env.yaml

• Jupyter 運行Anaconda的虛擬環(huán)境

source activate env_name
conda install ipykernel (注意：在虛擬環(huán)境中安裝ipykernel)
python -m ipykernel install --name env_name --display-name "env_name" (寫入Jupyter的kernel中)
jupyter notebook

• 管理包
• 管理指定虛擬環(huán)境的包

conda install package_name -n env_name
conda install package_name
conda install pack=version (指定安裝包的版本)

• 刪除包

conda remove package_name

• 更新包

conda update package_name

• 列出所有已安裝的包

conda list

• 搜索包

conda search package_name

2.2 使用virtualenv管理虛擬環(huán)境

pip install virtualenv

virtualenv --no-site-packages xb_test1

2.3 使用venv管理虛擬環(huán)境

# venv 不用安裝，需要python3.3以上
python -m venv ./xb_test2

image-20200807105122129

3. PyTorch深度學(xué)習(xí)環(huán)境配置

3.1 Linux篇

前提是Anaconda各種環(huán)境都配置好

1. 安裝CUDA (是NVIDIA推出的用于自家GPU的并行計算框架)
   • https://docs.nvidia.com/cuda/cuda-installation-guide-linux/index.html#pre-installation-actions
2. 安裝PyTorch
   • 在官網(wǎng)https://pytorch.org/根據(jù)自己的系統(tǒng)、包管理器、語言以及CUDA版本獲取安裝命令，如conda install pytorch torchvision cudatoolkit=10.2 -c pytorch
3. 安裝CUDNN加速(（CUDA Deep Neural Network library）,是NVIDIA打造的針對深度神經(jīng)網(wǎng)絡(luò)的加速庫，不必須)

# 卸載已有的舊版本
sudo apt-get purge cuda
sudo apt-get purge libcudnn6
sudo apt-get purge libcudnn6-dev


# 根據(jù)自己的系統(tǒng)版本下載
wget http://developer.download.nvidia.com/compute/cuda/repos/ubuntu1604/x86_64/cuda-repo-ubuntu1604_9.0.176-1_amd64.deb
wget http://developer.download.nvidia.com/compute/machine-learning/repos/ubuntu1604/x86_64/libcudnn7_7.0.5.15-1+cuda9.0_amd64.deb
wget http://developer.download.nvidia.com/compute/machine-learning/repos/ubuntu1604/x86_64/libcudnn7-dev_7.0.5.15-1+cuda9.0_amd64.deb
wget http://developer.download.nvidia.com/compute/machine-learning/repos/ubuntu1604/x86_64/libnccl2_2.1.4-1+cuda9.0_amd64.deb
wget http://developer.download.nvidia.com/compute/machine-learning/repos/ubuntu1604/x86_64/libnccl-dev_2.1.4-1+cuda9.0_amd64.deb
sudo dpkg -i cuda-repo-ubuntu1604_9.0.176-1_amd64.deb
sudo dpkg -i libcudnn7_7.0.5.15-1+cuda9.0_amd64.deb
sudo dpkg -i libnccl2_2.1.4-1+cuda9.0_amd64.deb
sudo dpkg -i libnccl-dev_2.1.4-1+cuda9.0_amd64.deb
sudo apt-get update
sudo apt-get install cuda=9.0.176-1
sudo apt-get install libcudnn7-dev
sudo apt-get install libnccl-dev

# 重啟系統(tǒng)


# 修改環(huán)境變量
export PATH=/usr/local/cuda-9.0/bin${PATH:+:${PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda-9.0/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}

3.2 Windows篇

https://app.yinxiang.com/fx/25e4c22d-f868-486e-9208-e77920e287c7