最近在学习深度学习的一些常用框架,如tensorflow和pytorch。总结一下遇到的常见问题!
虚拟环境的建立
在项目拷贝时非常有用,可以快速的在别人的电脑上搭建好环境并进行修改和演示。
- 创建python虚拟环境。
使用
conda create -n your_env_name python=X.X(2.7、3.6等)命令创建python版本为X.X、名字为your_env_name的虚拟环境。 your_env_name文件可以在Anaconda安装目录envs文件下找到。
- 使用激活(或切换不同python版本)的虚拟环境。
打开命令行输入
python --version可以检查当前python的版本。
使用如下命令即可 激活你的虚拟环境(即将python的版本改变)。
Linux: source activate your_env_name(虚拟环境名称)
Windows: activate your_env_name(虚拟环境名称)
这是再使用python --version可以检查当前python版本是否为想要的。
- 对虚拟环境中安装额外的包。
使用命令
conda install -n your_env_name [package]即可安装package到your_env_name中
- 关闭虚拟环境(即从当前环境退出返回使用PATH环境中的默认python版本)。
Linux: source deactivate
Windows: deactivate
- 删除虚拟环境
使用命令
conda remove -n your_env_name(虚拟环境名称) --all, 即可删除。
- 删除环境中的某个包
使用命令
conda remove --name your_env_name package_name 即可。
conda常用其他指令
- conda list 查看安装那些包
- conda env list 或者 conda info -e 查看当前存在的虚拟环境
- conda update conda 检查更新当前conda
pip与conda更换安装源
由于pip和conda的原始安装源都在国外,所以安装时会很慢,有时直接挂掉,所以一般使用国内的清华源(我一般用这个)
pip源的更换:
临时使用:
- pip 后加参数 -i https://pypi.tuna.tsinghua.edu.cn/simple
- 例:pip install -i https://pypi.tuna.tsinghua.edu.cn/simple pandas
永久使用:
Linux下:
- 修改 ~/.pip/pip.conf (没有就创建一个), 修改 index-url至tuna,内容如下:
- [global] index-url = https://pypi.tuna.tsinghua.edu.cn/simple
windows下:
- 直接在user目录中创建一个pip目录,如:C:\Users\xxxx\pip,新建文件pip.ini,内容如下
- [global] index-url = https://pypi.tuna.tsinghua.edu.cn/simple
比如更新Anaconda中的pip,只能使用conda更新到9.3,但最新版为10.1,需要使用pip进行更新,临时使用指令为
python -m pip install -i https://pypi.tuna.tsinghua.edu.cn/simple --upgrade pip
conda源更换:
conda的源也使用清华的,只需要两条命令:
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --set show_channel_urls yes
安装tensorflow和pytorch
安装指令很简单,去官网上查看根据自己的需要,区分系统和有无GPU。
tensorflow安装:
pytorch安装:
如笔者使用win+cpu版本进行安装,则需如下指令:
tensorflow:
tensorflow:
pip install --ignore-installed --upgrade tensorflow
若使用国内pip源要加上
-i https://pypi.tuna.tsinghua.edu.cn/simple
pytorch:
conda install pytorch-cpu -c pytorch
pip3 install torchvision
若使用国内pip源要加上
-i
https://pypi.tuna.tsinghua.edu.cn/simple