pytorch学习一(扩展篇):miniconda下载、安装、配置环境变量。miniconda创建多版本python环境。整理常用命令(亲测ok)

简介: 这篇文章是关于如何下载、安装和配置Miniconda,以及如何使用Miniconda创建和管理Python环境的详细指南。

一、miniconda和anaconda的关系

Miniconda 和 Anaconda 都是用于管理 Python 环境和包的开源工具,它们由同一个团队(Anaconda, Inc.)开发,然而,它们的用途和设计目标有所不同。(他们俩是一家的

1、Anaconda

Anaconda 是一个功能齐全的数据科学平台,它包括了 Python 解释器、包管理器 conda、以及数百个常用的数据科学和机器学习库。Anaconda 旨在为数据科学家和开发者提供一个开箱即用的环境,适合于数据分析、机器学习、科学计算等各种应用。

特点:

大型安装包:Anaconda 包含了许多预装的库和工具,如 NumPy、Pandas、SciPy、Jupyter Notebook、Matplotlib、Scikit-learn 等等。这使得它的安装文件相对较大(通常超过 1 GB)。
全功能:适合那些希望快速搭建一个数据科学环境,而不需要手动安装和配置各种库和工具的用户。
用户友好:通过 Anaconda Navigator 图形界面,可以轻松管理环境和安装包。

适用场景:

适合新手或希望快速搭建完整数据科学环境的用户。
适合在本地机器上进行大规模数据分析和机器学习任务。

2、Miniconda

Miniconda 是 Anaconda 的一个精简版本,它只包含 conda 包管理器和 Python 解释器,不包括任何预装的第三方库。Miniconda 提供了一个最小化的环境,用户可以根据需要手动安装所需的库和工具。

特点:

小型安装包:由于 Miniconda 只包含基础的包管理器和 Python 解释器,安装文件非常小(通常在 50-60 MB 之间)。
高度灵活:用户可以根据需要手动安装和管理 Python 包和环境,这使得 Miniconda 更加灵活,但也需要更多的手动配置。
轻量级:适合那些希望保持系统轻量且只安装所需工具的用户。

适用场景:

适合高级用户或开发者,他们知道自己需要安装哪些库,并且希望对环境有更多控制。
适合在资源有限的系统(如服务器或 Docker 容器)上运行的项目。

3、总结

Anaconda 是一个功能齐全、开箱即用的解决方案,适合需要快速搭建完整数据科学环境的用户。
Miniconda 则是一个轻量级的、更加灵活的解决方案,适合那些只需要安装和使用特定 Python 库的用户。

二、下载miniconda(清华镜像链接)

  1. 清华大学开源软件镜像站:https://mirrors.tuna.tsinghua.edu.cn/
  2. miniconda 清华镜像下载链接:https://mirrors.tuna.tsinghua.edu.cn/anaconda/miniconda/

点击第二个直接下载就行

在这里插入图片描述

三、安装miniconda

1、安装

  1. 将上面下载的安装包放入此目录中

    mkdir ~/miniconda
    cd ~/miniconda/
    
    AI 代码解读
  2. 执行安装命令

    bash Miniconda3-latest-Linux-x86_64.sh
    
    AI 代码解读
  3. 随后一直按住回车,读完须知,然后会出现如下,填入yes即可

    Please answer 'yes' or 'no':'
    >>> yes
    
    AI 代码解读
  4. 这里提示选择安装路径,我就选当前目录,直接ENTER即可

    Miniconda3 will now be installed into this location:
    /root/miniconda3
    
      - Press ENTER to confirm the location
      - Press CTRL-C to abort the installation
      - Or specify a different location below
    
    [/root/miniconda3] >>>
    
    AI 代码解读
  5. conda 的初始化,输入yes 回车即可。

    Preparing transaction: done
    Executing transaction: done
    installation finished.
    Do you wish to update your shell profile to automatically initialize conda?
    This will activate conda on startup and change the command prompt when activated.
    If you'd prefer that conda's base environment not be activated on startup,
       run the following command when conda is activated:
    
    conda config --set auto_activate_base false
    
    You can undo this by running `conda init --reverse $SHELL`? [yes|no]
    [no] >>> yes
    
    AI 代码解读
  6. 到此安装完毕
    安装完后,他会在 ~ 目录下自动创建一个 miniconda3 目录,都安装在这个目录中。
    在这里插入图片描述

2、或许要手动加载 ~/.bashrc

我安装完后执行 conda info --envs 命令提示如下
在这里插入图片描述
然后去 ~/.bashrc 文件下看看是否配置了conda的环境变量
在这里插入图片描述
但是 基础默认的 base 环境没有启动,于是,手动执行一下,输入如下命令

source ~/.bashrc
AI 代码解读

结果如下,base环境生效,conda命令也生效。
在这里插入图片描述

四、配置 命令

1、查看anaconda安装博文

2、取消默认进入conda(base)环境

一般不需要这个。

conda config --set auto_activate_base false
AI 代码解读

3、配置 conda 国内镜像

conda config --add channels https://mirrors.aliyun.com/anaconda/pkgs/main/
conda config --add channels https://mirrors.aliyun.com/anaconda/pkgs/free/
conda config --set show_channel_urls yes
AI 代码解读

五、创建 Python3.8 环境

1、创建指令

conda create --name py38 python=3.8
AI 代码解读

2、激活 py38 环境

conda activate py38
AI 代码解读

3、退出环境

conda deactivate
AI 代码解读

六、conda常用命令

查看python版本

python -V
AI 代码解读

1、python环境管理

  1. 创建环境:

    conda create --name myenv
    
    AI 代码解读
  2. 创建具有特定 Python 版本的环境:

    conda create --name myenv python=3.8
    
    AI 代码解读
  3. 激活环境:

    conda activate myenv
    
    AI 代码解读
  4. 查看conda信息:

    conda info
    
    AI 代码解读
  5. 查看conda 的所有环境:

    conda info --envs
    
    AI 代码解读
  6. 列出所有环境:

    conda env list
    
    AI 代码解读
  7. 安装额外的包到环境中:

    conda install -n myenv package_name
    
    AI 代码解读
  8. 导出环境配置:

    conda env export --name myenv > environment.yml
    
    AI 代码解读
  9. 删除一个环境:

    conda remove -n env_name --all
    
    AI 代码解读

2、包管理:

  1. 安装包:

    conda install package_name
    
    AI 代码解读
  2. 卸载包:

    conda remove package_name
    
    AI 代码解读
  3. 更新包:

    conda update package_name
    
    AI 代码解读
  4. 列出已安装的包:

    conda list
    
    AI 代码解读
  5. 搜索可用的包:

    conda search package_name
    
    AI 代码解读

3、Conda 环境的导入与导出:

  1. 导出环境:

    conda env export --name myenv > environment.yml
    
    AI 代码解读
  2. 导入环境:

    conda env create -f environment.yml
    
    AI 代码解读

4、其他常用命令:

  1. 更新 Conda:

    conda update conda
    
    AI 代码解读
  2. 查看 Conda 版本:

    conda --version
    
    AI 代码解读
  3. 帮助命令:

    conda --help
    
    AI 代码解读
  4. 查看配置信息:

    conda config --show
    
    AI 代码解读

5、镜像源常用命令

  1. 查看当前的 Conda 配置,确认哪些镜像源被配置了:

    conda config --show channels
    
    AI 代码解读
  2. 查看配置文件的位置:

    conda config --show-sources
    
    AI 代码解读
  3. 移除无效的镜像源
    如果发现 https://mirrors.aliyun.com/anaconda/pkgs/main 是无效的,可以将其移除。使用以下命令移除无效的镜像源:

    conda config --remove channels https://mirrors.aliyun.com/anaconda/pkgs/main
    
    AI 代码解读
  4. 添加有效的镜像源
    根据你的需求,添加有效的镜像源。你可以使用官方的默认源或其他有效的镜像源。比如,添加 Tsinghua 镜像源:
    添加的镜像源的配置文件~/.condarc

    conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
    conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free
    conda config --set show_channel_urls yes    #
    
    AI 代码解读

    conda config --set show_channel_urls yes 这个命令的作用是设置 Conda 配置,使得在执行 Conda 命令时显示每个软件包的来源渠道 URL。这有助于你查看软件包是从哪个源获取的,便于调试和确认镜像源的配置是否正确。

  5. 更新 Conda
    确保 Conda 是最新版本,以避免已知的问题:

    conda update conda
    
    AI 代码解读
  6. 清除缓存
    有时清除 Conda 的缓存可以解决问题:

    conda clean --all
    
    AI 代码解读
  7. 手动修复配置文件
    如果上述方法都不奏效,你可以直接编辑 Conda 配置文件,手动修复或删除无效的镜像源。配置文件通常位于 ~/.condarc 文件中,你可以用文本编辑器打开它并调整配置。

七、默认设置

1、关闭自启动base环境

conda创建后,一般会有一个默认的python环境名为base,一般会自启动。但是有时候不希望自启动每次都要换环境。
关闭自启动base环境 命令如下:

conda config --set auto_activate_base false
AI 代码解读
目录
打赏
0
0
0
0
49
分享
相关文章
Python学习的自我理解和想法(9)
这是我在B站跟随千锋教育学习Python的第9天,主要学习了赋值、浅拷贝和深拷贝的概念及其底层逻辑。由于开学时间紧张,内容较为简略,但希望能帮助理解这些重要概念。赋值是创建引用,浅拷贝创建新容器但元素仍引用原对象,深拷贝则创建完全独立的新对象。希望对大家有所帮助,欢迎讨论。
利用Python脚本自动备份网络设备配置
通过本文的介绍,我们了解了如何利用Python脚本自动备份网络设备配置。该脚本使用 `paramiko`库通过SSH连接到设备,获取并保存配置文件。通过定时任务调度,可以实现定期自动备份,确保网络设备配置的安全和可用。希望这些内容能够帮助你在实际工作中实现网络设备的自动化备份。
51 14
Python学习的自我理解和想法(10)
这是我在千锋教育B站课程学习Python的第10天笔记,主要学习了函数的相关知识。内容包括函数的定义、组成、命名、参数分类(必须参数、关键字参数、默认参数、不定长参数)及调用注意事项。由于开学时间有限,记录较为简略,望谅解。通过学习,我理解了函数可以封装常用功能,简化代码并便于维护。若有不当之处,欢迎指正。
1.1 学习Python操作Excel的必要性
学习Python操作Excel在当今数据驱动的商业环境中至关重要。Python能处理大规模数据集,突破Excel行数限制;提供丰富的库实现复杂数据分析和自动化任务,显著提高效率。掌握这项技能不仅能提升个人能力,还能为企业带来价值,减少人为错误,提高决策效率。推荐从基础语法、Excel操作库开始学习,逐步进阶到数据可视化和自动化报表系统。通过实际项目巩固知识,关注新技术,为职业发展奠定坚实基础。
python已经安装有其他用途如何用hbuilerx配置环境-附带实例demo-python开发入门之hbuilderx编译器如何配置python环境—hbuilderx配置python环境优雅草央千澈
python已经安装有其他用途如何用hbuilerx配置环境-附带实例demo-python开发入门之hbuilderx编译器如何配置python环境—hbuilderx配置python环境优雅草央千澈
41 0
python已经安装有其他用途如何用hbuilerx配置环境-附带实例demo-python开发入门之hbuilderx编译器如何配置python环境—hbuilderx配置python环境优雅草央千澈
Python学习的自我理解和想法(8)
这是我在B站千锋教育学习Python的第8天,主要内容是元组。元组是一种不可变的序列数据类型,用于存储一组有序的元素。本文介绍了元组的基本操作,包括创建、访问、合并、切片、遍历等,并总结了元组的主要特点,如不可变性、有序性和可作为字典的键。由于开学时间紧张,内容较为简略,望见谅。
基于昇腾用PyTorch实现传统CTR模型WideDeep网络
本文介绍了如何在昇腾平台上使用PyTorch实现经典的WideDeep网络模型,以处理推荐系统中的点击率(CTR)预测问题。
187 66
Pytorch学习笔记(九):Pytorch模型的FLOPs、模型参数量等信息输出(torchstat、thop、ptflops、torchsummary)
本文介绍了如何使用torchstat、thop、ptflops和torchsummary等工具来计算Pytorch模型的FLOPs、模型参数量等信息。
610 2
Transformer模型变长序列优化:解析PyTorch上的FlashAttention2与xFormers
本文探讨了Transformer模型中变长输入序列的优化策略,旨在解决深度学习中常见的计算效率问题。文章首先介绍了批处理变长输入的技术挑战,特别是填充方法导致的资源浪费。随后,提出了多种优化技术,包括动态填充、PyTorch NestedTensors、FlashAttention2和XFormers的memory_efficient_attention。这些技术通过减少冗余计算、优化内存管理和改进计算模式,显著提升了模型的性能。实验结果显示,使用FlashAttention2和无填充策略的组合可以将步骤时间减少至323毫秒,相比未优化版本提升了约2.5倍。
85 3
Transformer模型变长序列优化:解析PyTorch上的FlashAttention2与xFormers

热门文章

最新文章

AI助理

你好,我是AI助理

可以解答问题、推荐解决方案等