终端下

  • conda换源
    清华大学镜像站Anaconda镜像使用帮助

    1
    2
    3
    4
    5
    6
    7
    8
    9
    10
    11
    12
    13
    14
    15
    16
    17
    18
    19
    20
      编辑~/.condarc文件
    将文件中的内容替换为下面的内容
      
      channels:
        - defaults
      show_channel_urls: true
      channel_alias: https://mirrors.tuna.tsinghua.edu.cn/anaconda
      default_channels:
        - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
        - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free
        - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r
        - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/pro
        - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2
      custom_channels:
        conda-forge: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
        msys2: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
        bioconda: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
        menpo: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
        pytorch: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
        simpleitk: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud

运行 conda clean -i 清除索引缓存，保证用的是镜像站提供的索引。

PS：如果上述方法不管用，建议还是用proxychains4+代理 来节省生命。

  • 查看环境

    1
    conda env list

  • 创建新环境

    1
    conda create -n env_name python=x.x(如3.6, 2.7等)

  • 环境切换

    1
    conda activate env_name

  • 退出当前环境

    1
    conda deactivate

  • 删除环境

    1
    conda remove -n env_name --all

  • 重命名环境

    conda 其实没有重命名指令，实现重命名是通过 clone 完成的，分两步：

    1
    conda create -n yolo --clone pytorch
    1
    conda remove -n pytorch --all

  • 安装新的包

    1
    conda install package_name

  • 查看已安装包的版本

    1
    conda list matplotlib

  • 卸载指定包

    1
    conda uninstall package_name

  • 更新

    1
    2
    3
    1. 更新anaconda：conda update anaconda
    2. 更新conda-build：conda update conda-build
    3. 更新全部：conda update --all

  • 回滚

    查询之前更新的版本记录

    1
    conda list -r

    选择一个之前的版本进行回滚

    1
    conda install --revision 数字

  • 开发环境备份
    Anaconda提供了备份的功能，可以将当前的环境备份成一个.yml文件，之后创建环境的时候可以直接依据这个文件创建

    1
    conda env export -n my-environment -f my-environment.yml

    注意将my-environment改成你自己的环境名哦

    新建环境的时候

    1
    conda env create -f my-environment.yml

图形化界面下

linux下安装anaconda后，anaconda-navigator只能在终端里输入

1
anaconda-navigator

为了像其他application一样可以单击图标启动，你需要这样做

  1. 进入/usr/share/applications/文件夹
  2. 新建anaconda.desktop文件
  3. 将下面的内容复制到第二步建的文件中，保存
1
2
3
4
5
6
7
8
[Desktop Entry]
Name=Anaconda
Version=5.3.1
Type=Application
Exec=/home/username/anaconda3/bin/anaconda-navigator
Icon=/home/username/anaconda3/pkgs/anaconda-navigator-1.9.7-py37_0/lib/python3.7/site-packages/anaconda_navigator/static/images/anaconda.png
Terminal=false
StartupNotify=true

注意： 将Exec和Icon中的username替换成你自己的用户名，Icon是anaconda图标的位置，可以根据 下面这条命令来查找具体路径：

1
sudo find -name 'ana*.png'

Jupyter notebook & jupyter lab相关设置

工作目录

生成配置文件

1
jupyter notebook --generate-config

打开生成的文件，修改下面的语句

1
c.NotebookApp.notebook_dir = '/your/dir/'
Kernel设置

当你安装了多个环境之后，你不需要在每个环境里都安装一个Jupyter Notebook和JupyterLab，只需要在base环境中安装一个就可以。

之后，你需要一个插件。

请仔细阅读Anaconda-Platform/nb_conda_kernels在GitHub上的READEME，里面写到，你需要在安装Jupyter Notebook或JupyterLab的环境中安装nb_conda_kernels，在你其他的环境中安装ipykernel

于是我们切换到base环境中安装

1
conda install nb_conda_kernels

之后，执行

1
conda install ipykernel

切换到其他环境中安装ipykernel，例如

1
2
conda activate pytorch
conda install ipykernel

即可切换不同的kernel。

在 `jupyter` 里新建 Python 文件时只有个 Python3 的选项，而我有次新建了个 OpenCV 的环境，在终端里`import cv2`成功，在 `jupyter` 里一直报错找不到`module`，后面了解到是 kernel 的问题。

例如，我新建了个名为pytorch的环境，需要在 jupyter 上用到这个环境里的包，我需要把 jupyter 的 kernel 切换到该环境下。先安装一下ipykernel

1
2
3
conda install ipykernel

python -m ipykernel install --user --name [env_name] --display-name "env_name"

例如

1
python -m ipykernel install --user --name pytorch --display-name "pytorch"

查看 jupyter 目前的kernel

1
jupyter kernelspec list

删除相关 kernel

1
jupyter kernelspec remove kernel_name

jupyter lab安装代码补全插件Kite

参考jupyter lab最强代码补全插件，但应注意，使用conda安装nodejs的时候，默认会安装很低版本的nodejs，解决方法如下：

1
2
conda search nodejs # 搜索conda下的nodejs版本。
conda install nodejs=14.7.0 -c conda-forge

另外，在安装Kite Extension for JupyterLab的时候，需注意jupyter lab的版本，参考Kite Autocomplete Extension for JupyterLab

我的 Anaconda 相关环境核心配置

不同的深度学习框架请建立不同的环境来运行，因为不同框架依赖的各个package的版本不同，将两个框架放在一个环境下可能会产生冲突

proxychains4是为了使该命令走代理而设，如果你没有代理需要去掉它，但网速可能慢的让你几个小时都安装不好。

Pytorch环境

根据pytorch官网，结合自己电脑的硬件情况选择相应的安装命令。我的是

1
proxychains4 conda install pytorch torchvision cudatoolkit=10.2 -c pytorch
Keras环境
1
2
proxychains4 conda install tensorflow-gpu
proxychains4 conda install keras-gpu
OpenCV环境

opencv-contrib-python 和opencv-python的区别可自行百度，目前用conda命令无法直接安装，提示找不到相关package，我这里用pip来安装。默认安装的版本是最新的。

1
pip install opencv-contrib-python