conda卸载pytorch conda卸载包

在同一个conda环境下安装tensorflow和pytorch

为啥要装在一个环境里呢，比如我256G固态的笔记本硬盘空间珍贵，比如实验室里公用的一个人只允许新建一个conda虚拟环境，这里就是找到一个兼容的版本，也没啥好啰嗦的。

conda卸载pytorch conda卸载包

conda卸载pytorch conda卸载包

conda卸载pytorch conda卸载包

conda卸载pytorch conda卸载包

首先打开 nvidia-i 确保右上角cuda版本大于 10.0 。

如果想找其它兼容的版本怎么弄呢？

先用nvidia-i确定本机cuda版本，比如是 11.0

确保这两个 cudatoolkit 的版本 相同 并且 小于nvidia-i显示的版本 应该就可以了。

再比如

conda命令的一些问题？

"-c" 的意思是指定下载来源的channel。

conda install torchvision -c pytorch 这一句命令中的"-c pytorch"的意思是根据.condarc文件所设置的pytorch源的站点，寻找torchvision的包。

正常情况下，Anaconda的源只能用，故需要设置镜像站点，如图。

依图所示，设置好镜像站点后，conda便会在没有指定channel的时候，访问default_channels，寻找需要安装的包。

default_channels

而在指定了channel之后，conda便按图索骥，根据channel的名字找它对应的站点。

channels

有两个例子：

①个是

conda install torchvision -c pytorch

即conda install torchvision -f channels图中的倒数第二个地址

就是从那里下载torchvision

②conda install ffmpeg -c conda-forge

conda也是能安装ffmpeg(命令行下快速处理媒体文件的工具)的

相当于

conda install ffmpeg -f channel图中的个地址

让你的 conda "回滚" 到以前版本的环境

我现在使用 Anaconda 作为我的主要 Python 发行版，同样，我们公司也将它用于所有开发人员机器以及他们的。然而，前几天我在浏览一些技术文章时遇到了一个我以前从未知道的 conda 精彩功能——conda 版本回滚！在这里给大家分享一下。

举一个简单的例子。如果我们运行 conda list --revisions ，我们会得到这样的输出：

在上面的输出中，我们可以看到我的 conda 环境的许多特定版本（或修订版），以及它们的创建日期/时间以及异（已安装的软件包显示为 + ，已卸载的显示为 - 和升级的显示为 -> ）。 如果要恢复到以前的版本，只需运行 conda install --revision N （其中N是修订号）即可。 这将要求你确认相关的软件包卸载/安装，并让您回到原来的位置！

所以，我认为这非常棒！如果你搞砸了，想要回到以前的工作环境，真的很方便。

首先，如果你“恢复”到之前的修订版，那么你会发现创建了一个“逆”修订版，只是做了与之前修订版相反的版本。例如，如果您的修订列表如下所示：

接着，通过运行 conda install --revision 1 恢复到修订版1，然后再次运行 conda list --revisions ，你会得到：

我们可以看到修订版 3 的更改只是修订版 2 的反转。

还有一点是我发现所有这些数据都存储在环境的 conda-meta 目录中的历史文件中（默认环境对应于 CONDA_ROOT/conda-meta ；其他环境对应于 CONDA_ROOT/envs/ENV_NAME/conda-meta ）。你不想知道为什么我去搜索这个文件（这是一个长篇故事，涉及我的一些愚蠢），但它有一些非常有用的内容：

具体来说，它不仅仅提供已安装，卸载或升级的列表，它还为您提供了运行的命令！ 如果需要，可以使用一些命令行魔法来提取这些命令：

，我发现 environment.yml 文件有时会有点痛苦（它们并不总是跨平台兼容 - 请参阅 anaconda-issues: 546 ）， 所以通过 conda install --revision N 实现 conda 回滚非常有用，因为它实际上给了我运行创建环境的命令。

如何用conda管理python环境

conda常用命令

查看当前系统下的环境

conda -e

创建新的环境

# 指定python版本为2.7，注意至少需要指定python版本或者要安装的包# 后一种情况下，自动安装python版本

conda create -n env_name python=2.7

# 同时安装必要的包

conda create -n env_name numpy matplotlib python=2.7

环境切换

# 切换到新环境# linux/Mac下需要使用source activate env_name

activate env_name

#退出环境，也可以使用`activate root`切回root环境

deactivate env_name

移除环境

conda remove -n env_name --all

包管理

给某个特定环境安装package有两个选择，一是切换到该环境下直接安装，二是安装时指定环境参数-n

activate env_nameconda install pandas

# 安装anaconda发行版中所有的包

conda install anaconda

conda install -n env_name pandas

查看已经安装的package

conda list

# 指定查看某环境下安装的package

conda list -n env_name

查找包

conda search pyqtgraph

更新包

conda update numpy

conda update anaconda

卸载包

conda remove numpy

MacbookPro安装Pytorch

笔者使用的是2019年macbookpro，非M1 CPU，还是x86的CPU。

deeplearning： 自定义的虚拟环境

numpy： python数值计算包

matplotlib: 支持python画图

pandas ： 数据软件包

jupyter notebook: 集成开发环境，可直接本地起服务调试python代码

终端输入安装：

conda create -n deeplearning python=3.7 numpy matplotlib pandas jupyter notebook

进入我们的虚拟环境

source activate deeplearning

退出虚拟环境

source deactivate

查看本机所有（由conda安装的）虚拟环境

conda -e

删除虚拟环境

conda remove -n your_env_name(虚拟环境名称) --all

退出虚拟环境

source deactivate

安装命令：

conda install pytorch torchvision -c pytorch

这样就安装完成

anaconda python怎么用conda create

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

Anaconda包括Conda、Python以及一大堆安装好的工具包，比如：numpy、pandas等

Miniconda包括Conda、Python

一般我们下载使用的就是Anaconda，包括了基本的一些工具包，

conda就是用于管理包和环境的命令行工具，下面介绍一下其基本用法

conda管理

# 确认conda已安装conda --version# 更新conda版本conda update conda

其中更新命令不仅仅会更新conda的版本，同时会自动更新相关的包，

其实，我们也可以使用这个命令来更新Anaconda版本

conda update anaconda

环境管理

这里的环境指的是不同的软件版本及其依赖所构成的环境，

环境之间“绝缘”，相同软件包的不同版本可以存在于同一机器下

# 创建新环境conda create --name snowflakes biopython

其中snowflakes代指环境的名称，biopython指要在新环境中添加的软件包，

这里并没有指定新的环境所要使用的Python版本，所以会使用当前环境使用的Python版本

# 查看当前环境conda --envs# conda environments:## root C:Program FilesAnaconda3# snowflakes C:Program FilesAnaconda3envssnowflakes

上述命令会列出当前所有可用的环境及其路径，并在当前使用的环境前添加

root是在安装Anaconda时自动创建的环境名称，

其Python版本根据选择的Anaconda版本而定

# 创建环境时指定Python版本conda create --name bunnies python=3 astroid babel

在创建环境指定软件包时，可以使用package_name=version_number

的方式来指定要使用的软件版本

# 切换环境# Linux, OSX: # source activate snowflakes## Windows:activate snowflakes# 切换回默认环境(root)# Linux, OSX: # source deactivate## Windows:deactivate

其实，还可以一个和指定环境完全相同的环境，

只要在创建时添加--clone参数指定相应的环境名称即可

# 环境conda create --name flowers --clone snowflakes

另外，环境也可以在不同机器之间进行，

只要将要的环境导出为.yml配置文件，

再到指定机器上创建时指定配置文件即可

# 导出配置文件conda env export --name snowflakes > snowflakes.yml# 根据配置文件导入环境conda env create -f snowflakes.yml

软件包管理

# 查看所有已安装的软件包conda list

可用的完整软件包列表可以在://

所有的软件包都按照Python的版本进行了分类

当我们想要安装某个软件包时，可以直接在命令行中进行查找并安装

# 查找软件包# 罗列出所有可用的版本并在已经安装的版本前加conda search beautifulsoup4# 安装软件包conda install --name beautifulsoup4=4.4.1

另外，也可以网站上搜索想要的软件包，

根据页面上的提示执行相应的命令即可安装

，同样的可以使用pip命令来安装软件包

pip install XXX

而更新软件包可以使用update命令

conda update --name snowflakes beautifulsoup4=4.5.1

python管理

对于conda来说，其实python也是一个软件包，

所以，python的管理基本和软件包管理相同

# 查找可用python版本conda search --full-name python

查找名称完全匹配python的软件包，而不是名称还有python的软件包，

可以在创建环境时指定python版本

conda create -n snakes python=3.4

卸载包、环境

# 卸载包# 删除指定环境中的指定包conda remove --name snowflakes biopython# 卸载环境# --all参数表示移除环境中的所有软件包，即删除整个环境conda remove --name snakes --all

TIPS:

所有命令都可以使用--参数来查找详细的参数说明及用