python的环境,你再也不用愁-conda

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 1、导出环境
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

您的关注,是我的创作动力!

公众号 @生活处处有BUG

34人参与, 0条评论 登录后显示评论回复

你需要登录后才能评论 登录/ 注册