包管理

  1. 安装包 conda install xxx

    • conda install pandas ;
    • conda install pandas numpy ; 同时安装所有这些包;
    • conda install numpy=1.10 ; 制定所需的包版本;
    • conda install -n env_name numpy ; 在指定环境(env_name)中安装包
    • conda install nb_conda ; 安装 notebook 自动关联nb_conda 环境;
    • conda 会自动安装依赖项。例如,scipy 依赖于 numpy ,因为其使用并需要 numpy。故,在安装 scipy 时, 若未安装 numpy ,则会自动安装;
  2. 搜索包
    • conda search numpy
  3. 卸载包
    • conda remove xxx ;
    • conda remove -n env_name xxx; 卸载指定环境的包
  4. 更新包
    • conda update xxx ;
    • conda update --all ;
    • conda update -n env_name xxx ; 更新指定环境的包
  5. 换源命令

环境管理

  1. 创建环境

    • conda create --name env_name python=3.7 创建了一个名为 env_name 的 python3.7 环境
  2. 列出环境(env)
    • conda env list ; 你所在的当前环境会有一个星号;
    • conda info --e ; 有同样的效果
  3. 删除环境;
    • conda env remove -n env_name

共享环境设置

共享环境能让其他人安装你的代码中使用的所有包,并确保这些包的版本正确;

  1. 导出当前环境

    • 命令:conda env export > environment.yaml 将当前的环境保存为 YAML 文件,包括python版本和所有包的名称;
    • conda env export 用于输出环境中的所有包的名称;
    • 在 Github 上共享代码时,最好同样创建环境文件并将其包括在代码库中。这能让别人安装你的代码的所有依赖项
  2. YAML文件的使用

    activate tf-gpu;
    conda env update -f=/path/to/environment.yml ;
    # -f 表示你要到处文件的路径,故之后的要替换成为实际路径;

jupyter notebook的配置

在 jupyter notebook 中选择 conda 环境

  1. 需要安装 conda install ipykernel
  2. 激活对应的环境 activate Env-A
  3. 将环境写入 notebook 的 kernel 中 python -m ipykernel install --user --name Env-A --display-name "Python(Env-A)"
  4. 之后就可以在新建的 python 笔记本中看到这个环境
05-25 20:58