最优的赣州网站建设,网页制作免费模板,三维家3d设计软件免费,小程序排名优化Anaconda常用命令 文章目录 Anaconda常用命令1. 前言2. 管理conda自身2.1 查看conda版本2.2 查看conda的环境配置2.3 设置镜像2.4 更新conda2.6 更新Anaconda整体2.7 查询某个命令的帮助 3. 管理环境3.1 创建虚拟环境3.2 创建虚拟环境的同时安装必要的包3.3 查看有哪些虚拟环境…Anaconda常用命令 文章目录 Anaconda常用命令1. 前言2. 管理conda自身2.1 查看conda版本2.2 查看conda的环境配置2.3 设置镜像2.4 更新conda2.6 更新Anaconda整体2.7 查询某个命令的帮助 3. 管理环境3.1 创建虚拟环境3.2 创建虚拟环境的同时安装必要的包3.3 查看有哪些虚拟环境3.4 激活虚拟环境3.5 退出虚拟环境3.5 删除虚拟环境3.6 导出环境 4. 包Package的管理4.1 查询包的安装情况4.2 包的安装和更新4.3 conda卸载包4.4 清理anaconda缓存 5. Python版本的管理5.1 将版本变更到指定版本5.2 将python版本更新到最新版本 6. conda install vs pip install6.1 有什么区别6.2 能否混用 7. conda configuration7.1 .condarc文件在哪儿7.2 Channel管理7.1 .condarc文件在哪儿7.2 Channel管理 1. 前言
Conda是Anaconda中一个强大的包和环境管理工具可以在Windows的Anaconda Prompt命令行使用也可以在macOS或者Linux系统的终端窗口(terminal window)的命令行使用。 本文简单介绍conda的一些常用命令对于大多数人来说掌握了这些就基本上能够’生活自理’了吧命令。当然本文假定你已经安装了Anaconda并且在Windows条件下使用Anaconda Prompt或者在Linux下使用terminal window。 本文根据conda-getting-started编译而成喜欢阅读英文的伙伴们可以直接去读英文说明。 conda命令的一些选项开关有两种指定方式一种两个连接号“--”后跟选项名全程一种是一个连接号“-”后跟简称。比如说-n和--name是等价的。但是要注意有些例外比如说“--version”对应的是“-V”大写的V而不是小写的v。
2. 管理conda自身
2.1 查看conda版本 conda --version2.2 查看conda的环境配置 conda config --show运行结果示例只是截取了最前面一小段 2.3 设置镜像
conda有时候安装软件会非常慢。设置国内镜像的话可以使安装更快捷一些。设置方法如下所示设置清华镜像
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 --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/设置bioconda
conda config --add channels bioconda
conda config --add channels conda-forge设置搜索时显示通道地址
conda config --set show_channel_urls yes2.4 更新conda
将conda自身更新到最新版本it is recommended to always keep conda updated to the latest version.
conda update conda2.6 更新Anaconda整体
将整个Anaconda都更新到确保稳定性和兼容性的最新版本
conda update Anaconda2.7 查询某个命令的帮助
conda create --help3. 管理环境
Conda允许你创建相互隔离的独立环境这些环境被称之为虚拟环境
Virtual Environment这些环境各自包含属于自己的文件、包以及他们的依存关系并且不会相互干扰。
Anaconda有一个缺省的名为base的环境。但是不建议把程序放在base环境中应该创建不同的虚拟环境分别管理不同的开发项目。这个涉及到一个根本的问题为什么我们需要虚拟环境呢举一个简单的例子想象一下你有多个项目要开发每个项目中都有一些包要依赖于某个共同的包但是各自的所需要的版本不一致有一些需要低版本的有些需要高版本的。然后你就陷入了众口难调的困境。为不同的项目创建虚拟环境就可以把不同项目隔离开来各自使用自己所需要的软件环境。
3.1 创建虚拟环境
使用conda创建虚拟环境的命令格式为:
conda create -n env_name python3.8这表示创建python版本为3.8、名字为env_name的虚拟环境。
创建后env_name文件可以在Anaconda安装目录envs文件下找到。在不指定python版本时自动创建基于最新python版本的虚拟环境.
补充
conda create -n env_name python3.8 -y # -y表示直接安装
conda create -n env_name python3.8 -c 镜像 # -c表示安装途径镜像3.2 创建虚拟环境的同时安装必要的包
但是并不建议这样做简化每一条命令的任务在绝大多数时候都是明智的一个例外是需要反复执行的脚本
conda create -n env_name numpy matplotlib python3.83.3 查看有哪些虚拟环境
以下三条命令都可以。
conda env list
conda info -e
conda info --envs所显示的列表中前面带星号“*“的表示当前活动环境。比如说当前我的环境列表
星号的位置表示我现在在base环境下工作。注意也有不是显示base而显示root的root是因为是以系统管理身份作业待确认
3.4 激活虚拟环境
使用如下命令即可激活创建的虚拟环境。
conda activate env_name此时使用python --version可以检查当前python版本是否为所想要的即虚拟环境的python版本。
在4.6版本以前需要使用如下命令
Linux: source activate your_env_name
Windows: activate your_env_name
但是为什么要停留在过去4.6以前的版本呢毕竟现在至少已经有4.10版本了所以如果你不是最新版本运行一下conda update conda吧3.5 退出虚拟环境
使用如下命令即可退出当前工作的虚拟环境。
conda activate
conda deactivate有意思的是以上两条命令只中任一条都会让你回到base environment它们从不同的角度出发到达了同一个目的地。可以这样理解activate的缺省值是basedeactivate的缺省值是当前环境因此它们最终的结果都是回到base
这个只适用于4.6及以后版本。如果你还在4.6以前的话参见上一条说明。
3.5 删除虚拟环境
执行以下命令可以将该指定虚拟环境及其中所安装的包都删除。
conda remove --name env_name --all如果只删除虚拟环境中的某个或者某些包则是
conda remove --name env_name package_name3.6 导出环境
很多的软件依赖特定的环境我们可以导出环境这样方便自己在需要时恢复环境也可以提供给别人用于创建完全相同的环境。
获得环境中的所有配置
conda env export --name myenv myenv.yml重新还原环境
conda env create -f myenv.yml4. 包Package的管理
4.1 查询包的安装情况
查询看当前环境中安装了哪些包
conda list查询当前Anaconda repository中是否有你想要安装的包
conda search package_name 当然与互联网的连接是执行这个查询操作乃至后续安装的前提条件.
4.2 包的安装和更新
在当前虚拟环境中安装一个包
conda install package_name当然也可以如上所述在创建虚拟环境的同时安装包但是并不建议。安装完一个包后可以执行conda list确认现在列表中是否已经包含了新安装的包。
也可以以以下命令安装某个特定版本的包(以下例为安装0.20.3版本的numpy)
conda install numpy0.20.3可以用以下命令将某个包更新到它的最新版本
conda update numpy安装包的时候可以指定从哪个channel进行安装比如说以下命令表示不是从缺省通道而是从conda_forge安装某个包。
conda install pkg_name -c conda_forge # conda_forge表示安装渠道4.3 conda卸载包
conda uninstall package_name这样会将依赖于这个包的所有其它包也同时卸载。
如果不想删除依赖其当前要删除的包的其他包
conda uninstall package_name --force但是并不建议用这种方式卸载因为这样会使得你的环境支离破碎如以下conda manual description原文所述
一个直观的理解就是如果一个包A被删除了而依赖于它的包B、C等却没有删除但是那些包其实也已经不可用了。另一方面之后你又安装了A的新版本而不幸的是B、C却与新版本的A不兼容因此依然是不可用的。
4.4 清理anaconda缓存
conda clean -p # 删除没有用的包 --packages
conda clean -t # 删除tar打包 --tarballs
conda clean -y -all # 删除所有的安装包及cache(索引缓存、锁定文件、未使用过的包和tar包)关于清除命令的更详细的说明可以执行以下命令进行查询
conda clean -h5. Python版本的管理
除了上面在创建虚环境时可以指定python版本外Anaconda基环境的python版本也可以根据需要进行更改。
5.1 将版本变更到指定版本
conda install python3.5更新完后可以用以下命令查看变更是否符合预期。
python --version5.2 将python版本更新到最新版本
如果你想将python版本更新到最新版本可以使用以下命令
conda update python6. conda install vs pip install
6.1 有什么区别
conda可以管理非python包pip只能管理python包。 conda自己可以用来创建环境pip不能需要依赖virtualenv之类的。 conda安装的包是编译好的二进制文件安装包文件过程中会自动安装依赖包pip安装的包是wheel或源码装过程中不会去支持python语言之外的依赖项。 conda安装的包会统一下载到一个目录文件中当环境B需要下载的包之前其他环境安装过就只需要把之间下载的文件复制到环境B中下载一次多次安装。pip是直接下载到对应环境中。 conda只能在conda管理的环境中使用例如比如conda所创建的虚环境中使用。pip可以在任何环境中使用在conda创建的环境 中使用pip命令需要先安装pipconda install pip 然后可以 环境A 中使用pip 。conda 安装的包pip可以卸载但不能卸载依赖包pip安装的包只能用pip卸载。 比如说在某个环境中安装一个包会出现以下打印信息
这里“Using cached jupyter ...” 的意思就是jupyter安装包已经在base环境或者别的环境中之前安装过了在缓存中有安装包所以就不会重新下载而是直接利用了。
pip和conda在安装软件包时在依赖关系方面的处理机制不同。pip在递归的串行循环中安装依赖项不会确保同时满足所有软件包的依赖关系如果按顺序较早安装的软件包相对于按顺序较晚安装的软件包具有不兼容的依赖项版本则可能导致环境以微妙的方式被破坏掉conda使用SATsatisfiabilitysolver来验证是否满足环境中安装的所有软件包的所有要求只要有关依赖项的软件包元数据正确conda就会按预期产生可用的环境。6.2 能否混用
首先不建议混用。混用容易导致库的依赖关系出现混乱然后突然哪天环境可能就崩了安装不了新的包无法进行conda update之类的。[2023-05-07]刚刚这两天遭遇了一次这样的事件由于要安装一个新的包各种各样的稀奇古怪的事情层出不穷比如说 conda install packagename …
CondaMemoryError: The conda process ran out of memory. Increase system memory and/or try again. conda update conda defaults/win-64::_anaconda_depends2020.07py38_0defaults/win-64::_ipyw_jlab_nb_ext_conf0.1.0py38_0 failed with repodata from current_repodata.json, will retry with next repodata source. Solving environment: failed with repodata from current_repodata.json, will retry with next repodata source. Collecting package metadata (repodata.json): failed RemoveError: ‘requests’ is a dependency of conda and cannot be removed from conda’s operating environment. 上天入地各种官方民间偏方的试搞不定最后只好卸载重新安装Anaconda完事。。。其次由于conda的库确实不如pip的库丰富{很多包只在 pip 有PYPI有15万可用包而Anaconda repository中使用conda命令安装提供了1,500多个软件包Anaconda cloud上使用conda-forge或bioconda命令安装的几千种其他软件包。}所以有时候可能迫不得已要使用pip安装。切记只有在conda install搞不定时才使用pip intall。 而且最后使用虚拟环境进行环境隔离。6.3 安装在哪里 conda install xxx这种方式安装的库都会放在anaconda3/pkgs目录下这样的好处就是当在某个环境下已经下载好了某个库再在另一个环境中还需要这个库时就可以直接从pkgs目录下将该库复制至新环境而不用重复下载。 pip install xxx分两种情况一种情况就是当前conda环境的python是conda安装的和系统的不一样那么xxx会被安装到anaconda3/envs/current_env/lib/python3.x/site-packages文件夹中如果当前conda环境用的是系统的python那么xxx会通常会被安装到~/.local/lib/python3.x/site-packages文件夹中 6.4 如何判断conda中某个包是通过conda还是pip安装的 执行 conda list 用pip安装的包显示的build项目为pypi。如下图所示
7. conda configuration
conda的配置文件为.condarc该文件在安装时不是缺省存在的。但是当你第一次运行conda config命令时它就被自动创建了。.condarc配置文件遵循简单的YAML语法。7.1 .condarc文件在哪儿
执行conda info会有信息显示如下所示
7.2 Channel管理
追加conda-forge channel:
conda config --add channels conda-forge移除conda-forge channel:
conda config --remove channels conda-forge查询当前配置中包含哪些channels
conda config --show配置文件遵循简单的YAML语法。
7.1 .condarc文件在哪儿
执行conda info会有信息显示如下所示
7.2 Channel管理
追加conda-forge channel:
conda config --add channels conda-forge移除conda-forge channel:
conda config --remove channels conda-forge查询当前配置中包含哪些channels
conda config --show原文链接https://blog.csdn.net/chenxy_bwave/article/details/119996001
