深度学习 01安装环境详解之 miniconda

Posted YouCans

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了深度学习 01安装环境详解之 miniconda相关的知识,希望对你有一定的参考价值。

欢迎关注『youcans的深度学习课』系列,持续更新中…
【深度学习 01】安装环境之 miniconda
【深度学习 02】PyTorch CPU版本安装与环境配置


【深度学习 01】 安装环境详解之 miniconda


1. conda/Anaconda/miniconda

  • conda可以理解为一个工具,也是一个可执行命令,其核心功能是包管理与环境管理。包管理与pip的使用类似,环境管理则允许用户方便地隔离和管理不同python版本的环境。
  • Anaconda和miniconda都是conda的一种发行版。只是包含的包不同。
  • Anaconda包含了conda、python等180多个科学计算工具包及其依赖项,也称为Python的一种发行版。
  • miniconda是最小的conda安装环境,只包含最基本的内容——python与conda,以及相关的必须依赖项。所有的操作命令皆在命令行中完成,没有GUI界面。

1.1 conda

conda 是一个开源的包、环境管理器,可以用于在同一个机器上安装不同版本的软件包及其依赖,并能够在不同的环境之间切换。
conda将几乎所有的工具、第三方包都当做package对待,甚至包括python和conda自身。因此,conda打破了包管理与环境管理的约束,能非常方便地安装各种版本python、各种package并方便地切换。


1.2 Anaconda——推荐小白使用

Anaconda是一个免费开源的Python和R语言的发行版本,用于计算科学(数据科学、机器学习、大数据处理和预测分析)。

Anaconda致力于简化包管理和部署,支持 Linux, Mac, Windows系统,拥有超过1400个数据科学软件包。

Anaconda包含Conda和虚拟环境管理,提供了包管理与环境管理的功能,可以很方便地解决多版本python并存、切换以及各种第三方包安装问题。

Anaconda使用软件包管理系统Conda进行管理,利用工具/命令conda来进行package和environment的管理,并且已经包含了Python和相关的配套工具。可以使用已经包含在Anaconda中的命令conda install或者pip install从Anaconda仓库中安装开源软件包。Pip提供了Conda大部分功能,并且大多数情况下两个可以同时使用。

Anaconda安装包的下载地址:Anaconda | Anaconda Distribution
Anaconda官方安装教程:Installation — Anaconda documentation


1.3 miniconda——推荐深度学习使用

miniconda是conda的精简版安装程序。所占内存较小,所有的操作命令皆在命令行中完成,没有GUI界面。

miniconda是Anaconda的小型引导程序版本,仅包含conda,python,它们依赖的软件包以及少量其他有用的软件包,包括pip,zlib和其他一些软件包。使用conda install command可以从Anaconda存储库中安装720+个其他conda软件包。

推荐深度学习使用miniconda搭建Python环境,它提供了python与conda,可以创建相对独立的Python环境,避免与其它库的冲突。


2. miniconda安装

2.1 卸载 Anaconda

如果已经安装了Anaconda,请先卸载Anaconda。


2.2 下载miniconda 安装包

从miniconda官网下载miniconda安装包:miniconda 官网下载

注意根据使用的系统、Python版本选择适当的安装包:


2.3 安装miniconda 安装包

下载完成后,打开安装包,安装miniconda。推荐以管理员身份运行。


注意:建议修改安装目录,以便管理。


2.4 环境配置

鼠标右键点击:电脑 -> 属性 -> 高级系统设置 -> 环境变量,新建或编辑系统变量,添加以下三个路径:

  • 安装路径\\Miniconda3(例如 C:\\Python\\miniconda3);
  • 安装路径\\Miniconda3\\Scripts(例如 C:\\Python\\miniconda3\\Scripts);
  • 安装路径\\Miniconda3\\Library\\bin(例如 C:\\Python\\miniconda3\\Library\\bin)。


2.5 测试

通过控制台命令 cmd 或 Anaconda Prompt (miniconda)进入命令行操作。

  • 输入:conda -V 后回车:

  • 输入:conda init cmd.exe


2.6 更换国内镜像源

为了加快第三方库的下载速度,可以将源指向国内的镜像源,例如使用 清华大学开源软件镜像站 | Tsinghua Open Source Mirror

根据清华开源软件镜像站关于Anaconda镜像使用帮助的提示,在用户目录下新建 .condarc 文件。

编辑创建 .condarc 文件如下,保存到"C:\\Users\\×××"路径下(×××表示登录的用户名):

channels:
  - defaults
show_channel_urls: true
default_channels:
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r
  - 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
  pytorch-lts: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  simpleitk: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud

3. miniconda的使用

3.1 环境管理

3.1.1 创建环境

conda 安装后会自带一个 base 环境,其它虚拟 Python 环境则需要手动创建。

语法:

conda create -n [环境名称] python[=版本]

用例:创建名称为 py38 的 Python 环境,Python 版本为3.8

conda create -n py38 python=3.8

遇到Proceed([y]/n)时,直接回车。

创建成功。


3.1.2 查看环境列表

conda env list


3.1.3 激活环境

conda activate [环境名称]

用例:创建名称为 py38 的 Python 环境,Python 版本为3.8

conda activate py38

注意,图中"C:\\Users\\…"之前的环境名称已经由默认的 <base>变成了距离的用户环境<py38>


3.1.4 切换环境

conda [环境名称]


3.1.5 退出当前环境

conda deactivate


3.1.6 删除环境

conda env remove -n [环境名称]


3.2 包管理

3.2.1 查询已安装的包

conda list


3.2.2 conda install 安装包名(=版本)

conda install numpy

conda install -y pandas

conda install -y matplotlib & conda install -y scipy & conda install -y xlrd


3.2.3 pip install 安装包名(=版本)

pip3 install scikit-learn -i https://mirrors.tuna.tsinghua.edu.cn/

有些第三方包在清华镜像源找不到,或者下载错误,可以更换为中科大镜像源或其它镜像源。

pip3 install scikit-learn -i https://pypi.mirrors.ustc.edu.cn/simple/
pip3 install opencv-python -i https://pypi.mirrors.ustc.edu.cn/simple/

常用的国内镜像源:

清华源镜像 https://mirrors.tuna.tsinghua.edu.cn/
中科大源 http://mirrors.ustc.edu.cn/
阿里源 https://developer.aliyun.com/mirror/
腾讯源 https://mirrors.cloud.tencent.com/
豆瓣 Python PyPI 镜像 http://pypi.doubanio.com/simple/


3.3 其它命令

输出配置信息

conda config --show

升级conda

conda update conda

查看版本信息

conda -V

查看帮助信息

conda -h


4 PyCharm环境设置

4.1 查看 Python 环境

conda 安装后会自带一个 base 环境,其它虚拟 Python 环境则需要按照 3.1 节方法手动创建。例如,已经创建了名为 py38 的Python环境:

conda list

于是,我们已经创建了一个名为 py38 的Python环境并激活(激活环境的路径前有一个星号*)。


4.2 PyCharm 环境设置

4.2.1 创建新项目的环境设置

  • 打开PyCharm,创建新的项目。

  • Location 选择适当的项目路径

  • Python Interpreter 选择 Previously configured interpreter,选项框中自动找到 Python3.8(py38)

  • 如果没有自动找到,则可以通过路径选择添加Python解释器Add Python Interpreter,找到所经历的 py38 环境的Python解释器。如下图所示:

如果在该窗口选择 Create a main.py welcom script,则在创建项目的同时新建了一个 main.py 文件。

运行这个 main.py 文件,在 PyCharm 下方就会出现运行结果:


4.2.2 已有项目的环境设置

  • 打开 PyCharm,打开一个已经建立的项目;
  • 在 PyCharm 上方菜单选择:FileSettings
  • 弹出 Settings 窗口,从左侧菜单选择:ProjectPython Interpreter,从右上方的选项框Python Interpreter选择 Python3.8(py38)环境。当然也可以选择创建的其它 Python 环境。
  • 打开并运行 python 程序,得到运行结果。

如果提示缺少导入的包,可以按照 3.2 的方法安装相应的包。


【本节完】

以上是关于深度学习 01安装环境详解之 miniconda的主要内容,如果未能解决你的问题,请参考以下文章

youcans的深度学习 02PyTorch CPU版本安装与环境配置

youcans的深度学习 02PyTorch CPU版本安装与环境配置

《动手学深度学习》环境搭建全程详细教程 window用户

Dive into Deep Learning / 动手学深度学习深度学习环境准备笔记

人工智能之深度学习-初始环境搭建(安装Anaconda3和TensorFlow2步骤详解)

Nginx详解二十四:Nginx深度学习篇之灰度发布