Miniconda
安装
下载安装包 官方链接 清华镜像
curl -O https://repo.anaconda.com/miniconda/Miniconda3-latest-MacOSX-arm64.sh sh Miniconda3-latest-MacOSX-arm64.sh
Copy
在安装的最后会出现
Do you wish the installer to initialize Miniconda3 by running conda init? [yes|no] [yes] >>>
Copy
输入yes 此时安装包会向当前 SHELL 的配置文件（~/.zshrc）中写入 conda 初始化语句 查看conda版本，检查是否安装成功
配置
取消激活base环境
因为我们之前已经配置了本地python环境，为了区分用途[pyenv管理的python用于python开发等，conda用于机器学习、深度学习等] 以上是我个人的习惯，如果只有单方面需求，使用对应的python配置方法即可 安装Miniconda 后，打开终端默认会激活 base 环境 所以通过命令取消掉
conda config —set auto_activate_base False
Copy
想要在终端激活conda中的虚拟环境的时候
conda activate base[虚拟环境名]
Copy
想要恢复默认激活base环境
conda config —set auto_activate_base True
Copy
conda-forge
conda-forge 是一个由社区维护的大量 Python 包的通道。 为 conda 增加 conda-forge 通道，可以安装更多的软件包
conda config —add channels conda-forge
Copy
设置通道优先级为 strict。当一个包同时位于 conda-forge 和 main 通道时，总是使用 conda-forge 提供的包
conda config —set channel_priority true
Copy
显示通道 URL
conda config —set show_channel_urls true
Copy
conda换源
conda config —add default_channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main conda config —set ‘custom_channels.conda-forge’ https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
Copy
设置 conda 使用更快的 libmamab solver
conda install -n base conda-libmamba-solver conda config —set solver libmamba
Copy
conda虚拟环境
创建虚拟环境
conda create -n py38 python=3.8
Copy
激活虚拟环境
conda activate py38
Copy
查看已创建的虚拟环境
conda env list
Copy
退出当前环境
deactivate 环境名字
Copy
删除环境
conda remove -n 环境名字 —all
Copy
删除环境钟的某个包
conda remove -n 环境名字 包名
Copy
TensorFlow
安装
conda install -c apple tensorflow-deps pip install tensorflow-macos pip install tensorflow-metal
Copy
测试
conda activate py38 python import tensorflow as tf print(“tf version”,tf.version) print(“tf gpu”,tf.test.is_gpu_available())
Copy
Pytorch
安装
Anaconda
conda install pytorch torchvision torchaudio -c pytorch-nightly
Copy
pip
pip3 install —pre torch torchvision torchaudio —extra-index-url https://download.pytorch.org/whl/nightly/cpu
Copy
测试
import torch if torch.backends.mps.is_available(): mps_device = torch.device(“mps”) x = torch.ones(1, device=mps_device) print (x) else: print (“MPS device not found.”)
Copy
The output should show:
tensor([1.], device=‘mps:0’)
Copy
安装一些常用的库
pip install pandas matplotlib glob2 tqdm opencv-python scipy scikit-learn mlx
Copy
安装
| 1 2 | curl -O https://repo.anaconda.com/miniconda/Miniconda3-latest-MacOSX-arm64.sh sh Miniconda3-latest-MacOSX-arm64.sh Copy |
在安装的最后会出现
| 1 2 | Do you wish the installer to initialize Miniconda3 by running conda init? [yes|no] [yes] >>> Copy |
输入yes
此时安装包会向当前 SHELL 的配置文件（~/.zshrc）中写入 conda 初始化语句
查看conda版本，检查是否安装成功
配置
取消激活base环境
因为我们之前已经配置了本地python环境，为了区分用途[pyenv管理的python用于python开发等，conda用于机器学习、深度学习等]
以上是我个人的习惯，如果只有单方面需求，使用对应的python配置方法即可
安装Miniconda 后，打开终端默认会激活 base 环境
所以通过命令取消掉
| 1 | conda config —set auto_activate_base False Copy |
想要在终端激活conda中的虚拟环境的时候
| 1 | conda activate base[虚拟环境名] Copy |
想要恢复默认激活base环境
| 1 | conda config —set auto_activate_base True Copy |
conda-forge
conda-forge 是一个由社区维护的大量 Python 包的通道。 为 conda 增加 conda-forge 通道，可以安装更多的软件包
| 1 | conda config —add channels conda-forge Copy |
设置通道优先级为 strict。当一个包同时位于 conda-forge 和 main 通道时，总是使用 conda-forge 提供的包
| 1 | conda config —set channel_priority true Copy |
显示通道 URL
| 1 | conda config —set show_channel_urls true Copy |
conda换源
| 1 2 | conda config —add default_channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main conda config —set ‘custom_channels.conda-forge’ https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud Copy |
设置 conda 使用更快的 libmamab solver
| 1 2 | conda install -n base conda-libmamba-solver conda config —set solver libmamba Copy |
conda虚拟环境
创建虚拟环境
| 1 | conda create -n py38 python=3.8 Copy |
激活虚拟环境
| 1 | conda activate py38 Copy |
查看已创建的虚拟环境
| 1 | conda env list Copy |
退出当前环境
| 1 | deactivate 环境名字 Copy |
删除环境
| 1 | conda remove -n 环境名字 —all Copy |
删除环境钟的某个包
| 1 | conda remove -n 环境名字包名 |
TensorFlow
安装
| 1 2 3 | conda install -c apple tensorflow-deps pip install tensorflow-macos pip install tensorflow-metal Copy |
测试
| 1 2 3 4 5 | conda activate py38 python import tensorflow as tf print(“tf version”,tf.version) print(“tf gpu”,tf.test.is_gpu_available()) Copy |
Pytorch
安装
Anaconda
| 1 | conda install pytorch torchvision torchaudio -c pytorch-nightly Copy |
pip
| 1 | pip3 install —pre torch torchvision torchaudio —extra-index-url https://download.pytorch.org/whl/nightly/cpu Copy |
测试
| 1 2 3 4 5 6 7 | import torch if torch.backends.mps.is_available(): mps_device = torch.device(“mps”) x = torch.ones(1, device=mps_device) print (x) else: print (“MPS device not found.”) Copy |
The output should show:
| 1 | tensor([1.], device=‘mps:0’) Copy |
安装一些常用的库
| 1 | pip install pandas matplotlib glob2 tqdm opencv-python scipy scikit-learn mlx Copy |