深度学习中环境配置的一些经验总结(conda 常用命令)

  前两个月参加了学校的国创项目,和一个外院的同学组队。课题是基于深度学习的新闻图片中网络暴力元素的检查。 6月末最后一门试考完,正式开始暑假,便有了大把时间搞这个国创项目(反正没有其他事干)。两个组凑钱买了服务器。实验室的师兄老早告诉我们,配环境是第一步,我们可能要搞很久。下面总结一下配环境中获得的经验。

  首先是要有独立的环境,因为github上的代码有些是python2.7有些是3.6,需要的包的版本也不同。于是乎我参考网上的教程pip安装了一个conda。有了conda之后就可以进行独立的环境的配置了。

  安装好conda之后,终端的前面出现了一个(base)字样。以前是没有的 研究后认为是conda将终端shell的代码改了,所以我们认为打开终端就进入了'base'环境中。使用conda deactivate可以失能conda去掉前面的base字样。

#conda新环境的创建
conda create -n '环境名' python='版本号'
#conda环境的卸载
conda remove -n '环境名' --all
#conda环境的查询
conda info -e

创建新环境后 conda activate '环境名'  进入刚刚创建的环境。然后就可以进行环境的配置了。所谓环境配置,就是安装各种需要的包。使用的命令如下:

#使用conda install命令安装包
conda install '包的名字'
conda install '包的名字'='版本号' eg: conda install tensorflow=1.10
#使用conda search搜索包(目的是查看可获得的版本)
conda search '包的名字' eg: conda search tensorflow
#conda列出当前环境所有包
conda list

在我看来,pip和conda都可以进行包管理,pip更像是一个Python的附加物,可以存在于conda创建的环境中 于是乎我认为使用pip命令可以在conda环境里安装更多的包(据说pip命令能安装的包比conda install要多的多)。

eg:以环境ocr为例
conda activate ocr #进入环境ocr
pip '包的名字' #安装所需的包

总结一下:使用conda创建隔离环境。使用conda install和pip命令安装package。进一步可在对应环境中跑程序。或者使用pycharm 将自己的项目放在已经配置好的环境里面跑。

上一篇:不是说记住rm -rf的教训就够了


下一篇:[物理学与PDEs]第1章习题5 偶极子的电场强度