Python教程——Miniconda安装与使用
一、Miniconda介绍
Miniconda作为Anaconda的轻量版，同样包含了conda包管理器和Python，虽然没有像Anaconda一样捆绑科学计算方面的包，但是可以通过conda包管理器来自行安装，这样在安装的时候更节约时间和空间。conda在使用过程中有一个最常用的虚拟环境功能，为不同项目创建各自的虚拟环境，然后在各自的环境中安装各自的依赖，解决冲突问题
二、安装与配置Miniconda
1、下载与安装conda
访问miniconda官网找到对应系统的下载链接进行下载（https://docs.conda.io/en/latest/miniconda.html#installing），也可以到清华源进行下载（https://mirrors.tuna.tsinghua.edu.cn/anaconda/miniconda/ ）
2、conda镜像站的配置
通过添加国内镜像站的方式可以解决conda从国外拉取软件时速度过慢甚至无法连接的问题，推荐配置校园网镜像站（https://help.mirrors.cernet.edu.cn/），该站整合了各大高效镜像站的地址，而且除了conda镜像外还有CentOS、Ubuntu等系统镜像
vi ${HOME}/.condarc
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
pytorch: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud还可以手动添加指定第三方源的频道地址
#<URLS>用具体的频道地址代替 conda config --add channels <URLS> #设置一个pytorch的频道 conda config --set custom_channels.pytorch #nvidia频道 conda config --set custom_channels.nvidia https://mirrors.cernet.edu.cn/anaconda-extra/cloud/
运行过上面的命令之后会在家目录下生成~/.condarc用于记录信息，并且添加一个defaults频道。但是该频道是官方频道，国内访问不太稳定，建议删除~/.condarc 里的 defaults 频道
sed '/defaults/d' ~/.condarc # 或者vim手动删除掉defaults这一行
三、Miniconda虚拟环境使用方法
1、创建conda虚拟环境
conda create -n yunwei8 python=3.10 #-n代表环境名称，这里是yunwei8。然后指定了该环境的python版本
2、激活conda虚拟环境
conda activate yunwei8
3、退出当前虚拟环境
conda deactivate
4、查看conda虚拟环境列表
conda env list
5、删除conda虚拟环境
conda env remove -n yunwei8
四、Miniconda常用命令介绍
#查看当前环境下所有已经安装的包 conda list #查看指定虚拟环境下的包 conda list -n tanglu_env #从库中查询指定软件 conda search scrapys #安装软件，可以指定版本，如scrapy=1.5.0 conda install scrapy #为指定环境安装某个包 conda install --name tanglu_env package_name #更新已经安装好的包 conda update scrapy #更新指定环境的某个包 conda update -n tanglu_env package_name #更新所有包 conda update --all #删除已经安装的软件 conda remove scrapy #删除指定环境的某个包 conda remove -n tanglu_env package_name #删除没有用的包 conda clean -p #当从一个频道切换到另一个频道的时候使用该命令更新~/.condarc，否则不生效 conda clean -i #类似yum clean all conda clean -a
五、Miniconda使用案例——安装pytorch和对应的cuda
1、在使用conda安装pytorch前，需要确认服务器硬件所支持的最高CUDA版本，通过nvidia-smi命令可以看到
2、访问pytorch官网get started页面，根据系统选择合适的版本，注意Compute Platform对应的CUDA版本不能高于服务器所支持的版本
3、通过该命令安装的pytorch会安装上cudatoolkit，这样就可以让pytorch通过API方式调用GPU
评论