深度学习环境配置

这个视频非常好用：[PyTorch深度学习：安装Anaconda+PyTorch(GPU/CPU)、PyCharm+VSCode](https://www.bilibili.com/video/BV1qCjJzkEgn/?spm_id_from=333.1387.favlist.content.click&vd_source=89a95dedd08ac36719901ea65feaa34b）

下面内容主要是：Conda 的基础命令和 Jupyter Notebook 的使用。

Conda 基础命令

Conda 的核心作用是把不同项目的 Python 环境和依赖隔离开，防止不同样例需要不同环境来跑导致的版本冲突。

所有命令都在 Anaconda Prompt 或终端里执行。

虚拟环境管理

1
2
3
4
5
6


conda create -n 环境名 python=3.10      # 创建环境并指定 Python=3.10 版本
conda activate 环境名                    # 激活（进入）环境
conda deactivate                         # 退出当前环境
conda env list                           # 查看所有环境
conda remove -n 环境名 --all             # 删除环境及其所有包
conda create -n 新环境 --clone 旧环境     # 复制一个已有环境

激活后命令行前面会出现 (环境名)，后续所有安装都只影响这个环境。

包管理

1
2
3
4
5
6
7
8
9


conda install numpy                      # 安装包
conda install numpy=1.26                 # 安装指定版本
conda install numpy pandas matplotlib    # 一次装多个
pip install torch                        # conda 源里没有的用 pip 装
conda remove numpy                       # 卸载包
conda update numpy                       # 更新单个包
conda update --all                       # 更新所有包（谨慎）
conda list                               # 查看当前环境已装的包
conda search numpy                       # 搜索可用版本

优先用 conda install，实在找不到再用 pip install；
混用 conda 和 pip 容易把依赖搞乱，建议同一环境里尽量只用一种。

导出与复现环境

1
2


conda env export > environment.yml        # 导出当前环境的完整配置
conda env create -f environment.yml       # 按配置文件重建环境

换机器、或者把环境交给别人时用它，能装出一模一样的版本组合。

国内镜像源

官方源在国外，下载慢或超时的话换清华源：

1
2
3
4


conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --set show_channel_urls yes
conda config --remove-key channels         # 恢复默认源

Notebook 用上 Conda 环境

新建一个环境后，如果想用Notebook，安装 kernel：

1
2


conda activate torch                      # 先进入目标环境
conda install ipykernel                   # 安装内核

编辑模式与命令模式

Notebook 的每个 cell 有两种状态：

编辑模式（边框绿色，Enter 进入）：可以打字改代码；
命令模式（边框蓝色，Esc 进入）：敲快捷键操作整个 cell。

常用快捷键

快捷键	作用
`Shift + Enter`	运行当前 cell，并跳到下一个
`Ctrl + Enter`	运行当前 cell，停在原地
`Alt + Enter`	运行当前 cell，并在下方插入一个新 cell
`A` / `B`	在上方 / 下方插入 cell（命令模式）
`D D`	删除当前 cell（连按两次 D，命令模式）
`M` / `Y`	转为 Markdown / 代码 cell（命令模式）
`Z`	撤销删除
`Tab`	代码补全
`Shift + Tab`	查看函数文档（连按可展开完整说明）
`Ctrl + /`	注释 / 取消注释

常用魔法命令

1
2
3
4
5
6
7
8
9


%matplotlib inline        # 让 matplotlib 的图直接显示在 notebook 里
%time 一行代码            # 测一行代码的运行时间
%%time                    # 测整个 cell 的运行时间
%timeit 一行代码          # 多次运行取最好结果，更准
!pip install numpy        # 开头的 ! 表示执行终端命令
%run script.py            # 运行一个 .py 文件
%load script.py           # 把外部文件内容加载进 cell
%who                      # 列出当前所有变量
%reset                    # 清空所有变量

深度学习环境配置：Conda 与 Jupyter Notebook

跟着视频把环境装好后，这篇记录最常用的 Conda 命令与 Jupyter Notebook 用法：虚拟环境管理、包安装、镜像源配置、kernel 注册与常用快捷键。