Anaconda下载、安装、使用教程

Anaconda下载、安装、使用教程

下载和安装

可以从Anaconda官方网站下载Anaconda，但是一般速度较慢，不推荐
因此我们选择从镜像网站下载，一般选择北京外国语大学开源软件镜像站下载

Windows

Windows用户选择对应的*.exe文件下载即可，如Anaconda3-2022.05-Windows-x86.exe，并且双击运行，使用图形化界面方式安装即可。

Linux&&WSL

Linux&&WSL用户选择对应的*.sh文件下载，如https://mirrors.bfsu.edu.cn/anaconda/archive/Anaconda3-2022.05-Linux-x86_64.sh，通常复制获得下载链接：

https://mirrors.bfsu.edu.cn/anaconda/archive/Anaconda3-2022.05-Linux-x86_64.sh

并且使用下载命令wget进行下载：

wget https://mirrors.bfsu.edu.cn/anaconda/archive/Anaconda3-2022.05-Linux-x86_64.sh

并且在下载完成后，执行脚本进行安装

sudo sh Anaconda3-2022.05-Linux-x86_64.sh

如果安装脚本可以选择执行conda init，则执行conda init ，此时会自动在.bashrc写入一下内容

# >>> conda initialize >>>
# !! Contents within this block are managed by 'conda init' !!
__conda_setup="$('/home/limingbo/anaconda3/bin/conda' 'shell.bash' 'hook' 2> /dev/null)"
if [ $? -eq 0 ]; then
    eval "$__conda_setup"
else
    if [ -f "/home/limingbo/anaconda3/etc/profile.d/conda.sh" ]; then
        . "/home/limingbo/anaconda3/etc/profile.d/conda.sh"
    else
        export PATH="/home/limingbo/anaconda3/bin:$PATH"
    fi
fi
unset __conda_setup
# <<< conda initialize <<<

否则需要手动写入环境变量：

• 使用如下命令环境变量写入~/.bashrc文件

echo 'export PATH="~/anaconda3/bin:$PATH"' >> ~/.bashrc

• 重新加载~/.bashrc文件使之生效

source ~/.bashrc

如果
至此Anaconda安装完毕!于是开始使用！

使用教程

创建环境

使用如下命令创建一个新的conda 环境

conda  create -n env_name python=version_num

例如，如果需要创建名字为demo，Python版本为3.9的环境，则使用如下命令即可

conda  create -n demo python=3.9

查看当前存在的虚拟环境

使用以下命令可以查看当前存在的虚拟环境

conda env list

或者

conda info -e 

激活环境

创建虚拟环境以后，需要进入环境，运行以下命令即可

conda activate env_name

假如我们要进入名为demo的环境，运行以下命令即可

conda activate demo

退出环境

退出当前环境，则使用以下命令即可

conda deactivate env_name

如果我们需要退出demo环境

conda deactivate demo

删除环境

如果我们不再需要当前虚拟环境，则可以使用如下命令删除环境

conda remove -n env_name --all

例如我们不再需要demo环境

conda remove -n demo --all

镜像加速配置

conda镜像

一般而言，都会配置conda镜像源，用于加速所需依赖包的资源下载。各系统都可以通过修改用户目录下的 .condarc 文件来使用 镜像源。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。
Linux用户如果没有.condarc 文件，则同样可以执行

conda config --set show_channel_urls yes 

命令生成，或者使用touch命令自行创建，使用vim或者其他编辑器编辑，例如:
创建：

touch .condarc

编辑：

vim .condarc

例如添加清华大学镜像站，则在.condarc写入以下内容即可

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
  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
  pytorch-lts: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  simpleitk: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud

清华大学镜像站、上海交通大学镜像站、中国科学技术大学镜像站都提供了详细的设置教程，

pip镜像

使用pip安装Python的第三方库时，使用官方pypi的下载源通常速度较慢，因此同样可以使用镜像源加速，加速方式分为临时使用和长期使用

临时使用

临时使用在原有的安装命令上使用-i参数，命令参数如下所示

pip install package_name -i mirror_url

例如使用阿里云的镜像源安装numpy
则使用如下命令

pip install numpy -i https://mirrors.aliyun.com/pypi/simple/

长期使用

长期使用则需要修改配置文件。

Windows

Windows用户需要在C:\Users\user_name\下找到pip文件夹，没有则新建，并新建pip.ini文件，如果已经存在的修改该文件以清华大学开源镜像站为例，使之如下

[global]
index-url=https://pypi.tuna.tsinghua.edu.cn/simple 
[install]  
trusted-host=pypi.tuna.tsinghua.edu.cn
disable-pip-version-check = true  
timeout = 6000  

Linux&&WSL

Linux&&WSL则需要找到~/.pip/pip.conf文件，没有则需新建，注意新建文件夹和文件需要分两步进行：
不能直接

vim ~/.pip/pip.conf

而是需要先新建文件夹

mkdir ~/.pip

继而新建文件

vim ~/.pip/pip.conf

并在文件中添加或者修改

[global]
index-url = https://mirrors.aliyun.com/pypi/simple/

[install]
trusted-host=mirrors.aliyun.com

工具升级

升级conda

升级pip

高级应用

以上命令可以完成Anaconda的基本使用，但是基于Anaconda常常还有一些高阶需求，因此使用一些高级应用技术，进一步高效使用Anaconda。

整体环境迁移

经常我们需要将一台电脑的Anaconda环境迁移到另外一台电脑上，此时可以考虑使用export命令实现

• 激活要导出的环境demo_env

conda activate demo_env

• 导出yml文件

conda env export > environment.yml

• 根据yml文件新建环境

conda env create -f environment.yml

环境更新

当我们需要对环境依赖作更改时，只需要修改environment.yml文件，然后执行更新命令即可

conda env update --prefix ./env --file environment.yml  --prune

环境克隆

当我们需要一个当前开发环境的副本时，我们可以使用环境克隆命令

conda create --name my_clone_env_name --clone myenv_name

深度学习GPU加速

配置GPU加速是深度学习开发环境的常见操作，在安装cudakit和cudnn需要确保NVIDIA驱动可用。

使用下列命令检查NVIDIA驱动是否可用

nvidia-smi

cudakit

Windows

以安装cudatoolkit=11.3为例，给出命令，可需要自行修改。

conda install cudatoolkit=11.3  -c https://mirrors.bfsu.edu.cn/anaconda/pkgs/main/win-64/

其中

https://mirrors.bfsu.edu.cn/anaconda/pkgs/main/win-64/

为镜像链接。

Linux&&WSL

Linux和WSL上安装cudatoolkit的方式是一样的。
以安装cudatoolkit=11.3为例，给出命令，可需要自行修改。

conda install cudatoolkit=11.3  -c http://mirrors.aliyun.com/anaconda/pkgs/main/linux-64/

其中

http://mirrors.aliyun.com/anaconda/pkgs/main/linux-64/

为镜像链接。

Anaconda下载cudatoolkit

镜像可能并不能拥有所需要的版本包，此时可通过Anaconda官网来下载对应的软件包。

并且点击conda获取对应的安装命令

也就是，

conda install -c conda-forge cudatoolkit

并且可以指定版本号。如11.3

conda install -c conda-forge cudatoolkit=11.3

cudnn

Windows

以安装cudnn=7.6为例，给出命令，可需要自行修改。

conda install cudnn=7.6 -c https://mirrors.bfsu.edu.cn/anaconda/pkgs/main/win-64/

其中

https://mirrors.bfsu.edu.cn/anaconda/pkgs/main/win-64/

为镜像链接。

Linux&&WSL

以安装cudnn=7.6为例，给出命令，可需要自行修改。

conda install cudnn=7.6 -c https://mirrors.bfsu.edu.cn/anaconda/pkgs/main/linux-64/

其中

https://mirrors.bfsu.edu.cn/anaconda/pkgs/main/linux-64/

为镜像链接。

Anaconda下载cudnn

镜像可能并不能拥有所需要的版本包，此时可通过Anaconda官网来下载对应的软件包。

并且点击conda获取对应的安装命令

conda install -c conda-forge cudnn

或者

conda install -c "conda-forge/label/broken" cudnn

并且可以指定版本号。如8.4

conda install -c conda-forge cudnn=8.4

导出requrement.txt文件

此博客记录一些作者经常使用的Anaconda环境管理常用技巧
导出项目所需依赖，生成requirement.txt文件

• 切换到项目目录内

cd ../project_name

• 安装pipreqs

pip install pipreqs  -i https://pypi.doubanio.com/simple/

• 执行命令

pipreqs ./ --force  --encoding=utf8

注意：虽然

pip freeze > requirements.txt

也可以生成requirement.txt文件，但是它会扫描整个虚拟环境的依赖包，而不是项目的必须依赖，因此建议使用pipreqs

附录

常见的conda镜像源

• 清华大学
• 北大
• 南科大
• 中科大
• 阿里云
• 腾讯

常用的pypi源

• 校园网镜像站的索引和跳转服务
• 豆瓣
• 阿里云

参考资料

• 清华大学镜像站-Anaconda
• 上海交通大学镜像站-Anaconda
• 中国科学技术大学镜像站-Anaconda
• 阿里云-Pypi
• Conda官方帮助文档