- 标签
- 热门文章
使用Anaconda
一、Conda
1.1 安装Conda
第1次需要确认的是license是否接受：
Do you accept the license terms? [yes|no]
>>> Please answer 'yes' or 'no':'
Miniconda3 will now be installed into this location:
/home/deploy/miniconda3
- Press ENTER to confirm the location
- Press CTRL-C to abort the installation
- Or specify a different location below
第2次需要确认的是：miniconda3安装的位置
[/home/deploy/miniconda3] >>>
## Package Plan ##
environment location: /home/deploy/Install_pack/Conda/anoconda/yes
最后就安装完成了：conda init
To install conda's shell functions for easier access, first activate, then:
conda init
Thank you for installing Miniconda3!
验证conda已被安装[1] ，envs文件夹是环境的文件夹
conda --version
1.2 使用Conda
查询python3的版本：
python3 --version
Anaconda Navigator是Anaconda的图形界面，在Linux环境下需要使用命令进行启动，但是在这个之前需要将虚拟环境构建好以后才可以进行下一步的
conda create -n nuscences python=3.11.4
To activate this environment(激活这个环境), 用下面的代码
conda activate nuscences
To deactivate an active environment, use
conda deactivate
在激活anaconda环境之后你就可以使用[2]anaconda-navigator了
anaconda-navigator
但是一直没有显示；
打开 Anaconda Prompt（macOS/Linux 上的终端）。
运行以下命令[3]
conda install anaconda-navigator
(base) deploy@code:~$ conda install anaconda-navigator
安装成功，具体显示参考背景图
还需要配置jupyter book，网站参见
https://jupyter.org/try-jupyter/lab/
jupyter.org/try-jupyter/lab/
二、配置算法环境
2.1 配置nuscenes-devkit
但是上面还会出现安装不对的时候，主要是python3版本的问题，可以参考下面文章，亲测有效！
uscenes-devkit环境创建
blog.csdn.net/watermoon_ms/article/details/127052738
conda create --name machinelearning python=3.7
pip install nuscenes-devkit -i https://pypi.tuna.tsinghua.edu.cn/simple
然后在这个nuscences环境里去配置,去配置对应的nuscenes-devkit
pip install nuscenes-devkit
使用pip install nuscenes-devkit时出现的解决[4] ，主要是python3版本导致的，要小于3.12.0
error: subprocess-exited-with-error
× Getting requirements to build wheel did not run successfully.
note: This error originates from a subprocess, and is likely not a problem with pip.
还有numpy版本要小于2.0
conda create -n nuscenes_env python=3.8 numpy=1.24 # 推荐 numpy=1.21~1.24
conda activate nuscenes_env
pip install nuscenes-devkit
当出现下面的显示时候，说明安装成功了
Using cached descartes-1.1.0-py3-none-any.whl (5.8 kB)
Using cached scikit_learn-1.6.1-cp311-cp311-manylinux_2_17_x86_64.manylinux2014_x86_64.whl (13.5 MB)
Installing collected packages: scikit-learn, matplotlib, pycocotools, descartes, nuscenes-devkit
Successfully installed descartes-1.1.0 matplotlib-3.5.3 nuscenes-devkit-1.1.11
pycocotools-2.0.8 scikit-learn-1.6.1
2.2 配置YOLO算法环境
pip 与 conda 的差别可参见[1] ;在正式介绍YOLO算法部署之前，体验YOLO算法的效果，最好使用Conda环境[5] ，PC版本是X86的miniconda3,如果是arm的就是对应arm版本,当然还有anoconda软件;
创建一个名为yolov8_的新Conda环境，并指定Python版本为**
conda create -n yolov8_ python=3.7
激活名为yolov8_的Conda环境,相反conda deactivate[6] 就是退出 conda base 虚拟环境回到系统环境;
conda activate yolov8_
在激活的环境中安装PyTorch、torchvision、torchaudio以及对应的CUDA 11.7支持
conda install pytorch torchvision torchaudio pytorch-cuda=11.7 -c pytorch -c nvidia
安装requirements.txt文件中列出的所有Python包
pip3 install -r requirements.txt -i https://pypi.tuta.tinghua.edu.cn/simple
安装 apex库
pip install apex -i https://pypi.tuta.tinghua.edu.cn/simple
安装conda后取消命令行前出现的base[7]:
If you'd prefer that conda's base environment not be activated on startup,
set the auto_activate_base parameter to false:
conda config --set auto_activate_base false
取消每次启动自动激活conda的基础环境，通过将auto_activate_base为[8]false实现：
conda config --set auto_activate_base false
那要进入的话通过conda activate base，如果反悔了还是希望base一直留着的话通过下面命令来恢复；
conda config --set auto_activate_base true
沪公网安备31011302006932号