python的环境conda简介
目录
Conda Guide
Conda简介
Conda的安装
安装过程
更新conda
镜像服务器
环境管理
查看所有环境
新建环境
进入环境
退出环境
删除环境
复制环境
package管理
列出package
安装package
更新package
卸载package
查找package信息
更新目前环境所有package
导出当前环境的package信息
清除缓存
环境的复制
1、导出环境
2、导入环境
3、Clone环境
Conda Guide Conda简介conda是一个包，依赖和环境管理工具，适用于多种语言，如: Python, R, Scala, Java, Javascript, C/ C++, FORTRAN。
应用场景：比如在A服务器开发了一个应用，安装了N个包。现在要迁移到B服务器，又要重新安装一遍，还不知道A服务器上哪些包是必须的。conda就是解决这种问题，把该应用需要的包都安装到应用所在的环境中，迁移的时候，只要把环境导出，再导入到B环境即可。
Conda的安装 安装过程windows的安装就不演示了，直接在网上搜miniconda安装包，然后一路点下一步即可安装完成。
下边讲解linux下的安装
创建condarc.mirror文件
channels:
- conda-forge
- bioconda
- defaults
show_channel_urls: true
default_channels:
- https://mirrors.bfsu.edu.cn/anaconda/pkgs/main
- https://mirrors.bfsu.edu.cn/anaconda/pkgs/r
- https://mirrors.bfsu.edu.cn/anaconda/pkgs/msys2
custom_channels:
conda-forge: https://mirrors.bfsu.edu.cn/anaconda/cloud
msys2: https://mirrors.bfsu.edu.cn/anaconda/cloud
bioconda: https://mirrors.bfsu.edu.cn/anaconda/cloud
menpo: https://mirrors.bfsu.edu.cn/anaconda/cloud
pytorch: https://mirrors.bfsu.edu.cn/anaconda/cloud
simpleitk: https://mirrors.bfsu.edu.cn/anaconda/cloud
curl -L -o /tmp/miniconda.sh https://repo.anaconda.com/miniconda/Miniconda3-py39_4.11.0-Linux-x86_64.sh
/bin/bash /tmp/miniconda.sh -b -p /opt/conda
rm /tmp/miniconda.sh
conda clean -tipsy
find /opt/conda -follow -type f -name '*.a' -delete
find /opt/conda -follow -type f -name '*.pyc' -delete
conda clean -afy
cp ./condarc.mirror /root/.condarc
更新conda
conda update conda
镜像服务器
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free
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
conda config --set show_channel_urls yes
# 执行完上述命令后，会在Users目录生成.condarc
环境管理
查看所有环境
conda env list
新建环境
conda create --name [name] python_or_others
ps: conda create --name FastAPI python=3.9.12
进入环境
conda activate env_name
退出环境
conda deactivate
删除环境
conda remove -n env_name --all
复制环境
conda create --clone ENVNAME --name NEWENV
package管理
列出package
conda list
列出指定环境中的所有软件包
conda list -n myenv
安装package
pip install xxxx 或者 conda install xxxx
ps:pip install tensorflow
如果不用-n指定环境名称，则被安装在当前活跃环境，也可以通过-c指定通过某个channel安装
conda install (-n python34) numpy
更新package
conda update (-n python34) numpy
卸载package
conda remove/uninstall package_name
查找package信息
conda search (-n python34) numpy
更新目前环境所有package
conda update --all
导出当前环境的package信息
conda env export > environment.yaml
清除缓存
删除索引缓存、锁定文件、未使用的缓存包和tarball(压缩包).
conda clean -a
环境的复制
注意：yaml的方式，很消耗资源，系统配置至少要2核4G以上，且yaml的package不能过多，否则会被killed
conda env export > environment.yaml
文件内容示例
name: kyle
channels:
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge
- https://repo.anaconda.com/pkgs/main
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/menpo/
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/bioconda/
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
- defaults
dependencies:
- _pytorch_select=0.2=gpu_0
- pip:
- opencv-python==4.1.2.30
2、导入环境
conda env create -f environment.yaml
3、Clone环境
conda env update -n my_env --file ENV.yaml
到此这篇关于python的环境conda简介的文章就介绍到这了,更多相关python环境conda内容请搜索软件开发网以前的文章或继续浏览下面的相关文章希望大家以后多多支持软件开发网！
