1.
查看当前环境存在哪些虚拟环境
2. 查看安装了哪些包
3. 查看当前 conda
虚拟环境的 CUDA 版本
1
2
3
| nvcc --version
或
nvcc -V
|
4. 创建python虚拟环境
1
| conda create -n your_env_name python=x.x
|
只会安装必须的包。
1
| conda create -n your_env_name python=x.x anaconda
|
安装常用的包。
5.
激活（或切换不同python版本）虚拟环境
6. pip本身更新：
1
| python -m pip install --upgrade pip
|
7. 安装Python包
（由于我有梯子，就不考虑外网下载速度感人的问题了，当然最好还是设置一下国内镜像，因为梯子也不稳定呀）
1
| conda install package_name
|
临时使用别的镜像源来安装包：（例如）
1
| pip install -i https://pypi.douban.com/simple tensorflow==2.2.0
|
添加清华大学镜像：
1
2
3
| conda config --add channels https:
conda config --add channels https:
conda config --set show_channel_urls yes
|
添加豆瓣源：
1
| conda config --add channels http://pypi.douban.com/simple/
|
添加北外的镜像源：
1
2
3
4
| conda config --add channels https://mirrors.bfsu.edu.cn/anaconda/pkgs/main
conda config --add channels https://mirrors.bfsu.edu.cn/anaconda/pkgs/r
conda config --add channels https://mirrors.bfsu.edu.cn/anaconda/pkgs/msys2
conda config --set show_channel_urls yes
|
删除设定源：
1
| conda config --remove channels
|
查看镜像源：
1
| conda config --show-sources
|
7. 删除虚拟环境：
1
| conda remove -n your_env_name(虚拟环境名称) --all
|
删除虚拟环境中的包：
1
| conda remove --name $your_env_name $package_name（包名）
|
退出虚拟环境：
Windows：
也可以使用activate root切回 root 环境。
8. 关于 CUDA 问题
查询支持的 cuda 版本
1
| conda search cudatoolkit
|
查询支持的 cudnn
版本,需要确保 cuda 版本一致
安装指定版本的
cuda，cudnn 到当前的虚拟环境中
1
| conda install cudatoolkit=11.3 cudnn=8.2.1
|
9. 将 conda 包和 pip
下载的包导出
导出 conda 包列表
使用 Conda 导出包列表时，可以使用以下命令：
导出到 .yaml 文件
这将包括环境的所有包及其版本信息：
1
| conda env export > environment.yml
|
导出到文本文件
如果你只想要包的名称和版本，可以使用：
1
| conda list --export > packages.txt
|
导出 Pip 包列表
使用 Pip 导出包列表时，可以使用以下命令：
导出到文本文件
要导出当前虚拟环境中安装的所有包及其版本，可以使用：
1
| pip freeze > requirements.txt
|
3. 合并使用 Conda 和 Pip
如果你的环境中同时使用了 Conda 和
Pip，且你想导出二者的包列表，可以分别执行上述命令，然后手动合并到一个文件中。
10. 导入环境
从 Conda 环境文件导入：
1
| conda env create -f environment.yml
|
从 Pip 需求文件导入：
1
| pip install -r requirements.txt
|