MistGPU博客

分享深度学习知识
提供在线GPU出租

conda创建虚拟环境

Deep Mist Tech's Avatar 2021-02-03

  1. 1. 找不到conda命令
  2. 2. 创建虚拟环境
  3. 3. 激活环境
  4. 4. 在Jupyter中使用conda创建的环境
  5. 5. 在PyCharm中使用conda创建的环境
  6. 6. 降级cuda版本
  7. 7. conda下载慢 / CondaHTTPError

每台服务器创建时均已配好miniconda3的环境

找不到conda命令

如在终端中输入conda后提示conda: command not found,
则需要手动配置一下环境变量:export PATH=$PATH:/mistgpu/miniconda3
*旧镜像conda目录为/home/mist/miniconda3/,新镜像为/mistgpu/miniconda3/

创建虚拟环境

在终端中输入conda create -n 环境名即可,环境名可任意取
也可以在创建的时候指定所需要的包,建议用conda create -n 环境名 python=3.6创建。
推荐创建时一并安装所有需要的包,这样conda可以自行匹配互相兼容的版本。

输入y开始创建。

激活环境

创建完成后的环境需要激活才可生效,使用conda activate 环境名即可激活。
激活后在终端提示符最左边会出现(环境名),表示激活成功。同时可以用下面的两条命令检查是否使用的是虚拟环境里的程序。

  • python -V
  • pip -V

*注: 为防止pip安装时升级/降级其他已装的包导致破坏环境依赖,建议在conda创建的环境内使用conda install 包名来安装所需的包。

在Jupyter中使用conda创建的环境

默认情况下,服务器附加功能里的Jupyter使用的是conda以外的环境。
要想在Jupyter中使用创建后的环境需要如下配置:

  1. 使用conda activate 环境名激活环境
  2. 在虚拟环境内输入: conda install ipykernel
  3. 将ipykernel安装到默认环境中(不需要退出虚拟环境):
    python -m ipykernel install --user --name mistvenv --display-name "虚拟环境"
    (此命令中--name后的名称要和之前的环境名一致,--display-name后的名称可自定义)
  4. 重新打开Jupyter,完成。

已有的ipynb文件也可以通过右上角切换环境

在PyCharm中使用conda创建的环境

PyCharm具体配置教程可参考http://blog.mistgpu.com/2021/02/01/PyCharm连接教程/#添加SSH解释器)

  1. 使用conda activate 环境名激活环境
  2. 在虚拟环境内输入: which python
  1. 将返回的路径名(上图红框)填入SSH解释器中在解释器一栏(蓝框)

降级cuda版本

在conda中可以通过安装cudatoolkit来降级cuda版本。

通过conda search cudatoolkit可以看到可安装的版本,安装使用conda install cudatoolkit=版本号
推荐一条命令内安装好所有需要的包,如conda install tensorflow-gpu=1.13.1 cudatoolkit keras ......

本例安装cuda9.2,conda install cudatoolkit=9.2
在虚拟环境里还需要装需要用到的包,使用PyTorch官方的代码安装后测试成功。

conda下载慢 / CondaHTTPError

出现这种情况时可以重试几次,如果一直失败请使用pip下载。

本文最后更新于 天前,文中所描述的信息可能已发生改变