深度学习之工具配置jupyter管理多个conda环境,VMware ubuntu anaconda paddle 环境配置

本文是我在配置开发环境过程中的问题解决记录，解决方案来自自己思考，网络检索资源等，因打开太多网页忘记初始网页，感谢这些文章的创作者，前人栽树后人乘凉！

安装教程：https://www.paddlepaddle.org.cn/install/quick，

 

Anaconda 是一个用于科学计算的 Python 发行版，支持 Linux, Mac, Windows, 包含了众多流行的科学计算、数据分析的 Python 包。Anaconda 安装包可以到 https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/ 下载。

ubuntu中安装好anaconda之后，系统终端界面前面出现（base)字样

解决方案：

命令行执行：（取消默认加载环境）

 conda config --set auto_activate_base false

次级解决方案：

       修改 vim ～/.bashrc，在最后加入conda deactivate，保存退出后，执行source ～/.bashrc

       另如果想打开命令行后默认进入某一目录，可在最后加入cd /目录 （例： cd /root/test）
 

切换环境：

”在终端中输入：conda activate

env_name为环境名，若env_name为空，则激活base环境

 

在终端中输入：conda deactivate

完成后，当终端中不在出现环境名，即为退出

 

添加清华镜像源

各系统都可以通过修改用户目录下的 .condarc文件。Windows 用户无法直接创建名为 .condarc 的文件，可先执行 conda config --set show_channel_urls yes 生成该文件之后再修改。

Ctrl+H 显示用户目录下的隐藏文件

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

运行 conda clean -i 清除索引缓存，保证用的是镜像站提供的索引。

运行 conda create -n myenv numpy 测试一下吧。

参考资料：https://mirror.tuna.tsinghua.edu.cn/help/anaconda/

conda创建了多个虚拟环境，想到直接在jupyter notebook中进行kernel配置，网上找了许多方法，最终找到一个比较合理的，特此记录以下：

安装完Anaconda利用conda创建了虚拟环境，但是启动jupyter notebook之后却找不到虚拟环境。

实际上是由于在虚拟环境下缺少kernel.json文件，解决方法如下：

首先安装ipykernel：conda install ipykernel

在虚拟环境下创建kernel文件：conda install -n 环境名称 ipykernel

 

激活conda环境： source activate 环境名称

将环境写入notebook的kernel中

python -m ipykernel install --user --name 环境名称 --display-name "Python (环境名称)"

 

打开notebook服务器：jupyter notebook

浏览器打开对应地址，新建python，就会有对应的环境提示了

 

如果经常需要用jupyter notebook，那么最好在创建虚拟环境的时候便安装好ipykernel，

命令：conda create -n 环境名称 python=3.5 ipykernel

在Ubuntu系统下，会提示权限错误，但如果用sudo conda则提示command not found

这种情况应该是环境变量导致的，使用 env |grep PATH 和 sudo env |grep PATH 发现两者变量值不一样

使用 sudo vim /etc/sudoers 打开文件修改env_reset参数，然后 :wq! 退出,或者 sudo gedit /etc/sudoers

　接着修改.bashrc文件，使用vim ~/.bashrc打开，加上 alias sudo='sudo env PATH=$PATH' ，然后 :wq 退出，使用 source ~/.bashrc 重新加载

 

查看列表jupyter kernelspec list

删除kernel环境：

jupyter kernelspec remove 环境名称

Jupyter NbExtensions Configurator

Jupyter NbExtensions Configurator 是Jupyter Notebook的一个扩展工具，它提供了一系列标签，只需勾选相应插件就能自动载入。里面的插件能帮助减少工作量，书写更优雅的代码和更好的展示结构。

 

安装Jupyter NbExtensions Configurator

用conda安装：

conda install -c conda-forge jupyter_contrib_nbextensions

conda install -c conda-forge jupyter_nbextensions_configurator

或者用pip：

pip install jupyter_nbextensions_configurator jupyter_contrib_nbextensions

jupyter contrib nbextension install --user

jupyter nbextensions_configurator enable --user

安装完毕，进入Jupyter Notebook，在主界面会多出一个NbExtensions的标签，里面有很多插件可供选择，示意图如下：