conda / cuda / screen 常用命令总结

记录一些常用的 conda / cuda / screen 相关的命令，这些在跑深度学习代码时经常用到。

conda

下面的命令在 Ubuntu 下的 4.8.3 版本 conda 均正确工作。

查看conda版本
```
conda -V
```

创建新环境

conda create --name <环境名> python=<Python版本> numpy scipy

查看所有环境
```
conda env list
```
进入某个环境
```
source activate <环境名>
```
退出当前环境
```
conda deactivate
```
删除某个环境

需要在 deactivate 的状态下执行。
```
conda remove -n <环境名> --all
```

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 --set show_channel_urls yes

从清华源安装 PyTorch
- 首先添加清华的 PyTorch 源
```
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
```
- 然后按照官网的说明执行对应版本的命令
  
  https://pytorch.org/get-started/previous-versions/
  
  注意最后的 -c pytorch 就不需要加了，这样就可以走清华源。
安装包

需要在某个环境下执行。

尽量不要用 pip 来装包，这样所有包 conda 可以统一管理。需要注意有些包名和 pip 的不同，比如 opencv 和 opencv-python。
```
conda install <包名>
```
查看已安装的包

需要在某个环境下执行。
```
conda list
```
删除包

需要在某个环境下执行。
```
conda remove <包名>
```

cuda

查看cuda版本
```
cat /usr/local/cuda/version.txt
```
实时监控显卡工作状态
```
watch -n <秒数> -d nvidia-smi
```

screen

注意，如果要用 conda，则应先 deactivate 后再使用 screen，然后在新的 screen 中 activate，否则虚拟环境无效。

创建新 screen
```
screen -S <screen名>
```
列出所有 screen
```
screen -ls
```
恢复某个 screen
```
screen -r <screen名>
```
离线某个 screen
```
screen -d <screen名>
```