conda 常用的命令
1)conda list 查看安装了哪些包
2)conda update conda 检查更新当前conda
3)conda env list 或 conda info -e 查看anconda安装的所有虚拟环境
4) conda -V 检验是否安装以及当前conda的版本
备注:若想在电脑主机装opencv,而不是装到虚拟环境中(比如,很多时候编译的时候调的是根目录下的包)
我要评论
sudo apt-get install libopencv-dev
创建python虚拟环境,有两种方式:
第一种:
１．linux 下打开一个新的终端，输入，
anaconda-navigator
２．新打开的窗口中
enviroment //create，自己随便命名比如命名为ty13py36，并选择python版本
第二种:
打开一个终端输入:
conda create -n your_env_name python=X.X
conda create -n tf11py35 python=3.5
３． 比如,对于上面创造的名为tf13py36的环境:
虚拟环境激活，source activate tf13py36
虚拟环境关闭，source deactivate tf13py36
虚拟环境删除，conda remove -n tf13py36 --all
删除环境中的某个包, conda remove -n tf13py36 $package_name
下面所有的操作是在刚才的进入虚拟终端后的同一终端进行操作，以防装到了不同的地方
Pytorch 安装与卸载
1。anaconda 创建一个虚拟环境，虚拟环境下（pytorch 1.2 cuda 10 cudnn 7.6)
2。 conda install pytorch=1.2.0 cuda100 -c pytorch
2.1 pytorch1.5的安装，这个要求cuda10.1的版本，
备注：，装好的torch调用不了gpu,只能换了装
pip install torch==1.5.0+cu92 torchvision==0.6.0+cu92 -f https://download.pytorch.org/whl/torch_stable.html
在上面的安装过程中，因为torch包比较大，总是掉线，可以把torch网址放到浏览器中下载，再对下载好的轮子pip install path， 然后重复执行下面的
pip install torch==1.5.0+cu92 torchvision==0.6.0+cu92 -f https://download.pytorch.org/whl/torch_stable.html
可以将缺乏的包安装上，而已经装好的就不会重新下载安装。
3。备注：我用了pip install pytorch 但在用gpu时，总是报cuda不对，原因是cudnn等版本对不上，用conda install 就可以直接下载相关依赖
安装成功测试
import torch
print(torch.__version__)#.查看torch的版本 1.2.0
print(torch.version.cuda)#查看torch对应的cuda的版本 10.0.139
#cat /usr/local/cuda/version.txt #查看cuda的版本CUDA Version 10.0.130
print(torch.cuda.is_available())#查看cuda是否可用 True or False
3.1 环境需要装torch1.4,于是用了命令,
pip install torch==1.4.0
装时总掉线,按照网址下载后自己装了,但是最后gpu调不起来,问题如下
import torch
print(torch.__version__)#1.4.0
print(torch.version.cuda)#10.1
print(torch.cuda.is_available()) #False
原因是我机子cuda是10.0,而下的这个要求cuda10.1,版本匹配不上.
于是网上找到另一种安装方式
pip install torch==1.4.0+cu100 torchvision==0.5.0+cu100 -f https://download.pytorch.org/whl/torch_stable.html
这个可以装的时候终端也总掉线,于是按照提示网址自己下了轮子,并安装,同时安装了程序需要的相关依赖
pip install pycocotools numpy opencv-python tqdm tensorboard tensorboardX pyyaml webcolors
然后再运行时就可以了
import torch
print(torch.__version__)#1.4.0+cu100
print(torch.version.cuda)#10.0
print(torch.cuda.is_available()) #True
后来遇到了torchvision, 有pytorch1.4对应的torchvision版本号为0.5.0
pip install torchvision==0.5.0
备注:不要直接pip install torchvision,这个会下载最新版本,还会覆盖你已经装好的torch,看下图,看到它自动又去下1.5.0版本的torch了,幸亏我的网断了,否则前面的又白装了.
4.pytorch卸载
第一种方法:
pip uninstall torch
#或者
conda uninstall pytorch
conda uninstall libtorch
pip list #最好再确认下环境中是否还有,我有一次卸载后发现还有一个低版本的torch
第二种方法:
直接装其他版本的pytorch,会自动卸载原来安装的pytorch,并安装你要的版本,且可以调用gpu, 可以解决cuda不能用的问题的
5. 若出现gpu调用不起来的情况,即
import torch
print(torch.cuda.is_available())#false
conda install pytorch=1.2.0 cuda100 -c pytorch
解决方案一：删除这个虚拟环境conda remove -n tf13py36 --all，重新装一个虚拟环境，重装一遍就可以了，已经试过，
解决方案二:执行step 3.1, 安装一个其他版本的即可,会自动卸载现有版本.
pip install torch==1.4.0+cu100 torchvision==0.5.0+cu100 -f https://download.pytorch.org/whl/torch_stable.html
常见问题：
1。gpu使用率为0，重装一个虚拟环境，装tf的gpu版本就可以了。
2.本来安装的一个环境cuda好用的，不知道什么时候乱安装，导致cuda不好用了，
暂时找到的原因如下，比如
pip install torchvision 会自动更新torch到最新版本，而最新版本没有跟环境中的cuda编译，造成新版本的cuda不好用
此时用 pip install --no-deps torchvision==0.4.0
备注：
1、有些packages会依赖一些其它的package,当我们离线安装whl的时候，就无法联网下载依赖包，所以我们需要--no-deps来去掉依赖包的安装，这样就能离线安装whl了，但是，如果whl有依赖包，如果我们不安装，可能会导致package不能用，所以我们需要知道whl有那些依赖包，然后去下载。
2、若发现自己电脑里的torchvision有好多包都没有，比如ops,transforms等，这是若输入pip install torchvision,会发现没有用，此时可以先卸载
pip uninstall torchvision
然后 pip install --no-deps torchvision==0.4.0就可以解决问题。
本文地址：https://blog.csdn.net/weixin_38145317/article/details/107353176
如对本文有疑问， 点击进行留言回复！！
Python限制内存和CPU使用量的方法（Unix系统适用）
网友评论