conda 常用命令-基础知识点（自用）

1、分享环境：YAML 是一种简洁的非标记语言，文件名后缀为.yml，java中经常用它描述配置文件。

conda env create -f environment.yml 

这是一个创建环境的语句，在一个项目中，如果你想把你当前的环境配置与别人分享，这样ta可以快速建立一个与你一模一样的环境（同一个版本的python及各种包）来共同开发/进行新的实验。一个分享环境的快速方法就是给ta一个你的环境的.yml文件。在此.yml文件中可以写明自己的配置环境：

• 首先通过activate target_env要分享的环境target_env，然后输入下面的命令会在当前工作目录下生成一个environment.yml文件

  conda env export > environment.yml

• 小伙伴拿到environment.yml文件后，将该文件放在工作目录下，可以通过以下命令从该文件创建环境

  conda env create -f environment.yml

•  当然，你也可以手写一个.yml文件用来描述或记录你的python环境。

参考：https://www.cnblogs.com/Zhouzg-2018/p/9621149.html 

2、我们可以将前面带有两个短线（--）的常用命令进行缩写（并不是所有的都可以缩写），方法是取一个短线和选项的首字母。例如 --name 可以缩写成 -n，--envs 可以缩写成 -e。

• -n, --name：我们可以根据环境名称来创建一个 conda 环境，假设我们的环境名称为 my_env
• 通常用env、e、envs代表（虚拟）环境的意思

参考：conda常用命令汇总_conda命令_Iareges的博客-CSDN博客

3、 -p, --prefix：除了根据名称创建环境以外，我们还可以根据地址来创建 conda 环境。

4、conda info：可以用来查看相关信息

-a, -all： 查看所有信息（不常用）。

–base：查看基环境所在路径。

-s, --system：列出所有的环境变量（不常用）

5、conda create：可以用来创建新的 conda 环境

-n, --name：我们可以根据环境名称来创建一个 conda 环境，假设我们的环境名称为 my_env

使用 conda list 命令来查看该环境下都安装了哪些包。

创建完成后，我们使用如下命令进入该环境：

conda activate my_env

 6、退出环境：

conda deactivate

 Tips：我们只能退到基环境，在基环境下继续退出依然在基环境。

7、conda remove 可以用来移除 conda 环境中的某些包，也可以移除整个环境，具体格式如下：

conda remove [-n env_name | -p path] [packages] [--all]

如果我们需要移除 my_env 下的 numpy，只需执行

conda remove -n my_env numpy

当然我们也可以移除所有包（即整个conda环境）

conda remove -n my_env --all

需要注意的是，conda 没有提供重命名环境的命令，我们只能先克隆一份原来的环境，然后再删除原来的环境，具体操作如下（例如将环境 a 重命名成 b）：

conda create -n b --clone a
conda remove -n a --all

 8、conda list 用来列出 conda 环境中的包，具体格式如下：

conda list [-n env_name | -p path] [package]

9、

conda update 用来将一系列的包升级到最新版本，具体格式如下：

conda update [-n env_name | -p path] [packages] [--all]

例如，如果我们想要升级 my_env 下的 numpy 和 scipy，只需执行

conda update -n my_env numpy scipy

如果我们要想更新 my_env 中的所有包，则需执行

conda update -n my_env --all

如果要更新 conda 本身，则需执行

conda update conda

如果要更新 anaconda ，则需执行

conda update anaconda

10、

conda config 用来配置 conda 的频道，相关信息会存储在 C:\Users\你的用户名\.condarc 文件中。

添加一个频道的格式为：

conda config --add channels [channel]

 例如，若要添加 conda-forge 这个频道，只需执行

conda config --add channels conda-forge

由于国外频道速度一般不稳定，我们通常考虑使用国内的频道，例如清华镜像。 

11、GPU之nvidia-smi命令详解

参考：GPU之nvidia-smi命令详解 - 简书

深度总结，带你玩转 NVIDIA GPU_gpu uuid_李三十一的博客-CSDN博客

表格参数详解：

显存占用和GPU占用是两个不一样的东西， **显卡是由GPU和显存等组成的**， 显存和GPU的关系 有点类似于内存和CPU的关系。会有一种情况：显存满了，但GPU利用率仍为0%？可能的情况就是程序将数据读入了显存，但是没有任何计算任务，然后程序也不退出，就一直在那运行着。

利用率低是因为程序没跑起来，只是把程序拉进显存中了。原因可能是环境问题或者是代码问题

参考：GPU使用率和显存有何区别和联系？​​​​​​​

• 第一行为：命令工具行版本、GPU驱动版本、CUDA版本

• GPU：本机中的GPU编号（有多块显卡的时候，从0开始编号）图上GPU的编号是：0

• Fan：风扇转速（0%-100%），N/A表示没有风扇

• Name：GPU类型，图上GPU的类型是：Tesla T4

• Temp：GPU的温度（GPU温度过高会导致GPU的频率下降）

• Perf：GPU的性能状态，从P0（最大性能）到P12（最小性能），图上是：P0

• Persistence-M：持续模式的状态，持续模式如果设置为ON，虽然耗能大，但是在新的GPU应用启动时花费的时间更少；默认为关闭，比较节能，图上显示的是：off

• Pwr：Usager/Cap：能耗表示，Usage：用了多少，Cap总共多少

• Bus-Id：GPU总线相关显示，domain：bus：device.function

• Disp.A：Display Active ，表示GPU的显示是否初始化

• Memory-Usage：显存使用率

• Volatile GPU-Util：GPU使用率

• Uncorr. ECC：关于ECC的东西，是否开启错误检查和纠正技术，0/disabled,1/enabled

• Compute M：计算模式，0/DEFAULT,1/EXCLUSIVE_PROCESS,2/PROHIBITED

• Processes：显示每个进程占用的显存使用率、进程号、占用的哪个GPU

2）隔几秒刷新一下显存状态：nvidia-smi -l 秒数

 获取 GPU ID 信息：nvida-smi -L

• nvida-smi提供一个查看GPU信息的方法，然而这种方式不能查看GPU型号，型号被省略成了GeForce RTX 208...，此时，如果我们需要查看GPU的型号，只需要运行nvida-smi -L即可。

 从左到右分别为：GPU卡号、GPU型号、GPU物理UUID号 

• 查询所有 GPU 的当前详细信息：

  nvidia-smi -q

•  也可以单独过滤第 N 卡 的 GPU 信息

  nvidia-smi -q -i 0

• 或者单独过滤当前的 GPU 时钟相关信息 

  nvidia-smi -q -d CLOCK

• 或者单独过滤每个 GPU 的可用时钟频率信息

  nvidia-smi -q -d SUPPORTED_CLOCKS

12、“|”是Linux管道命令操作符，简称管道符。使用此管道符“|”可以将两个命令分隔开，“|”左边命令的输出就会作为“|”右边命令的输入，此命令可连续使用，第一个命令的输出会作为第二个命令的输入，第二个命令的输出又会作为第三个命令的输入，依此类推。

参考：Linux管道符|命令使用详解_linux管道命令_瞻邈的博客-CSDN博客