前言

发现每次用conda的时候都要去百度找命令，故在此记录我最常用到的命令，以方便我或者其他人查找使用！此外，除了conda的使用，此博客还记录了一些常用深度学习库的安装及配置的踩坑记录，以及一些冷门但较重要的环境细节。

1 常用命令

以下所有命令在2021-01-10被验证可用！另附官方文档

1.1 Conda基本配置

# 更新conda至最新版本，也会更新其它相关包
conda update conda

# 添加清华源
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/bioconda/

# 设置搜索时显示通道地址
conda config --set show_channel_urls yes
# windows系统使用此命令后，会在你的C:\Users\用户名文件夹下会生成.condarc文件，在此文件里可以直接编辑(添加、删除)各种源

# 查看已经添加的源
conda config --get channels

附链接：清华源, 中科大源, 上交源

1.2 环境管理

1.2.1 常用命令

# 查看已存在的环境
conda env list

# 创建指定python版本的虚拟环境(如果只写python=2，那么conda会自动寻找2.x中的最新版本)
conda create -n test python=2.7

# 删除某个环境
conda remove -n test --all

# 完整复制某个环境
conda create -n test2 -clone test

# 进入虚拟环境(windows系统此命令可以省略前面的conda)
conda activate test

# 退出虚拟环境
conda deactivate

1.2.2 conda环境管理中的一个细节

在使用conda后，会发现命令提示符前多了一个(base)，这其实是conda自带的一个基础环境，而且每次登录后都会默认激活该环境：

(base) [hanyuchen@IP-xxx-xxx-xx-xx ~]$

当然，可以通过conda deactivate命令来退出(base)环境：

[hanyuchen@IP-xxx-xxx-xx-xx ~]$

但退出(base)后，会发现之前使用conda安装的很多库，就无法导入了，比如import torch，遂上网寻找答案，找到了一个看起来比较优质的回答：

conda install的package是在anaconda\pkgs下，而pip install的package是在anaconda\Lib\site-packages下
如果你在 (base)环境使用pip install，package应该就是安装在anaconda\Lib\site-packages下; 如果你在其他虚拟环境使用pip install，那么下载的包就只在这个虚拟环境中
其他虚拟环境下的使用python packages时优先搜索该虚拟环境下的package，如果没有它就搜索(base)环境下的package，也就是(base)环境下的package是可以被其他虚拟环境使用的

但我发现这个答案并不奏效(似乎在windows上有效？)，而且我在linux下尝试使用其他环境进入python并import torch，仍显示‘ImportError: No module named torch’，所以此答案仅供参考，我目前没有太多心思继续深究这个问题了，所以对于自己出现的问题的解决方案是：

坚决只使用(base)环境即可

1.3 包管理

# 在指定环境安装包并指定版本,如果不用-n指定环境名称，则被安装在当前活跃环境
conda install -n test package=x.x

# 查看当前环境的所有包
conda list

2 常出现的错误

2.1 python相关

2.1.1 启动时的interactivehook UnicodeDecodeError

具体情况如下：

Failed calling sys.__interactivehook__
Traceback (most recent call last):
  ...
  File "D:\My_Programs\Anaconda\lib\site-packages\pyreadline\lineeditor\history.py", line 82, in read_history_file
    for line in open(filename, 'r'):
UnicodeDecodeError: 'gbk' codec can't decode byte 0xaf in position 34: illegal multibyte sequence

原因： 记录历史命令的过程中遇到过中文，始终无法解码。具体分析过程见(参考)
解决方案： 找到自己的‘history.py’文件，在读取文件的代码处添加’encoding=utf-8’，如下所示：

for line in open(filename, 'r', encoding='utf-8'):

2.2 anaconda-navigator 不能正常启动

如果错误提示中明显能够看到pyQt5相关条目，并且anaconda prompt可以运行，则说明核心模块安装正确，是UI(界面插件)的问题

原因： 界面插件损坏
解决方案：

直接删除%安装目录%\Lib\site-packages\pyQt5目录，以及所有包含‘pyQt5’的目录

进入cmd,输入pip install pyQt5

参考：anaconda navigator 突然打不开有可能是什么原因？

2.3 PyTorch安装相关

2.3.1 PyTorch与CUDA

安装PyTorch(gpu)最关键的就是要将Pytorch版本、CUDA版本以及系统的驱动版本(driver version) 三者匹配起来。(版本对应关系表)

举个例子：

我想使用1.6版本的PyTorch
使用nvcc -V查看我现在的CUDA版本为10.1
使用nvidia-smi查看到driver version为418.67
在版本对应关系表中发现PyTorch1.6可以搭配CUDA10.1或9.2，但是CUDA10.1需要driver version>=418.96，我明显不满足(跑程序的时候也会提示设备版本too old)

所以选择安装cuda9.2，在(官方提供的安装命令)中可以很容易的找到对应的安装命令如下：

# CUDA 9.2
pip install torch==1.6.0+cu92 torchvision==0.7.0+cu92 -f https://download.pytorch.org/whl/torch_stable.html

2.3.2 PyTorch检查CUDA是否可用

import torch
print(torch.__version__)
print(torch.cuda.is_available())

2.4 tensorflow-gpu安装相关

2.4.1 依赖的gpu环境

例：tensorflow_gpu-1.14.0需要安装cuDNN:7.4，CUDA:10。这是经过测试的构建配置

查看CUDA版本： 命令行输入nvcc --version
查看cuDNN版本： 全局搜索’cudnn.h’，在最上方的几个宏定义处即显示其版本，例如下面所展示的就是7.6.5：

...
#if !defined(CUDNN_H_)
#define CUDNN_H_

#define CUDNN_MAJOR 7
#define CUDNN_MINOR 6
#define CUDNN_PATCHLEVEL 5

附：Linux 和 Windows 查看 CUDA 和 cuDNN 版本

2.4.2 tf-1.14.0与其他库版本不匹配系列

直接conda install tensorflow-gpu=1.14，然后进入Python环境尝试导入，发现以下警告:

FutureWarning: Passing (type, 1) or '1type' as a synonym of type is deprecate

原因： numpy版本不适应
解决方案： numpy降级即可。例：tf-1.14.0、np-1.17.1时出现报错，就将numpy改为pip install numpy==1.16.0即可(参考)

另有以下报错：

'h5py.h5r.Reference' has no attribute '__reduce_cython__'

原因： 预计是h5py版本不匹配
解决方案： 降低h5py版本即可。pip install h5py==2.8.0 (参考)

Conda Usage Record

前言