深度学习相关命令

学习使用linux下的Anaconda进行深度学习：

1. conda命令

查看已安装的环境

conda info -e

使用conda命令创建myvenv环境：

conda create -n myvenv python=3.6

激活并进入自己创建的myvenv环境：

conda activate myvenv

安装所需要的库

pip install 库名

查看当前环境下已安装的依赖包

conda list

退出自己的pytorch环境：

conda deactivate

删除环境myvenv和其内部的库

conda remove -n myvenv --all

2. pip与conda异同

pip	conda
包管理工具	不仅仅是包管理工具
pip仅限于python包的安装更新卸载	conda包括且不限于Python、C、R语言
pip能安装pypi里的一切Python包，更加全面和专注	就Python语言而言，conda可用包比pip少
pip不支持创建Python虚拟环境，工具virtualenv包才可以	conda支持创建Python虚拟环境
pip install -r requirement.txt更加流畅	conda install -r 时，一旦未找到某个包，便会中断
pip和conda能够共生	conda环境下也能正常使用pip安装

3. 查看显卡占用情况

watch -n 1 nvidia-smi

4. pip freeze的相关使用

通常，为了便于python相关三方库的安装，会将env里的库和版本导出至requirements.txt文件中，默认命令为：

pip freeze > requirements.txt	# 导出库的命令
pip install -r requirements.txt	# 安装库的命令

但是在导出库时，如果使用上述命令，有时候会出现下面的情况：

numpy==1.19.0
packaging==20.4
pandas @ file:///opt/concourse/worker/volumes/live/38d1301c-8fa9-4d2f-662e-34dddf33b183/volume/pandas_1592841668171/work
pandocfilters==1.4.2

因此，导出库的命令可以替换为下面的命令：

pip list --format=freeze > requiremnets.txt