【人工智能】【Python】Anacond基础操作1

简介: 【人工智能】【Python】Anacond基础操作

001.在 Anaconda 中使用 Conda 管理 Python 环境


工具:Anaconda Prompt(Anaconda)| 请使用管理员权限运行

q1.png

更新Anaconda

conda update conda

q2.png

q3.png

创建环境

conda create -n env_name package_names

env_name:环境名称

package_names:包名称,可指定版本

案例1

要求:创建名字为evn_python2,Python版本为2的最新版本,同时安装Pandas0.24.0版本、Numpy包

conda create -n evn_python2 python=2 numpy pandas=0.24.0

q4.png

q5.png

切换环境

Windows:

conda activate my_env

Linux:

source activate my_evn

查询当前环境安装的包

conda list

离开环境

conda deactivate

环境共享

导出环境

conda env export > environment.yaml

可以指定保存的路径。

(python373) C:\Windows\system32>conda env export > d:\environment.yam

导入并更新环境

(1)先进入当前环境

conda activate 环境名称

q6.png

(2)更新环境

conda env update -f=/path/to/environment.yml

其中,-f 表示要使用的环境文件在本地的路径;将 /path/to/environment.yml 替换成本地的实际路径即可。

列出环境

conda env list

其中带星号的是当前所在环境

Anaconda 命令行默认的环境(即还没有选定环境时使用的环境)名为 base

q1.png

删除环境

conda env remove -n env_name

查看环境信息

conda info

q2.png

002.在 Anaconda 中使用 conda 管理 Python 包


安装包

搜索包

conda search requests

安装包

conda install requests

外,如果在 Anaconda 提供的库里面找不到想安装的包,或者想安装更新的版本,那么也可以通

过社区维护的 conda-forge 来安装。例如,如果想使用 conda-forge 来安装 Pandas,可以使用如

下命令。

conda install -c conda-forge pandas

如果在上面的库都无法找到想安装的包,也可以用标准的 Python 包管理命令 pip 来完成在当前环

境中第三方包的安装。例如,用来获取国内财经以及股票数据的 tushare 包,就可以通过在当前环

境下使用如下命令来完成安装:

pip install tushare

卸载包与升级包

卸载包

conda uninstall packages_name

如果想在当前环境中删除另一个环境中的包,可以通过如下命令完成。

conda uninstall my_env packages_name

升级包

升级当前环境的某一个包

conda update my_env packages_name

升级其他环境的某一个包

conda update my_env packages_name

升级当前环境全部包

conda update --all

为Anaconda添加新的库或移除库

添加

使用中国科学技术大学的镜像

conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/free/

显示当前有哪些镜像地址

conda config --show-sources

q3.png

conda的配置信息都存储在 .condarc文件中

  • windows系统,.condarc 位于 C:\Users\用户名\目录下
  • Linux系统,./condarc 位于 /home/用户名/ 目录下

设置搜索时显示通道地址(镜像源地址)

conda config --set show_channel_urls yes

q4.png

移除

conda config --remove channels https://mirrors.ustc.edu.cn/anaconda/pkgs/free/

用 conda config --show 来确认该地址已经移除。

conda config --show
conda config --show-sources

q5.png


相关文章
|
4月前
|
人工智能 数据安全/隐私保护 Python
小红书图文生成器,小红书AI图文生成工具,python版本软件
Pillow库自动生成符合平台尺寸要求的配图7;3)利用Playwright实现自动化发布流程6。
|
2月前
|
设计模式 人工智能 API
AI智能体开发实战:17种核心架构模式详解与Python代码实现
本文系统解析17种智能体架构设计模式,涵盖多智能体协作、思维树、反思优化与工具调用等核心范式,结合LangChain与LangGraph实现代码工作流,并通过真实案例验证效果,助力构建高效AI系统。
310 7
|
11月前
|
机器学习/深度学习 人工智能 算法
猫狗宠物识别系统Python+TensorFlow+人工智能+深度学习+卷积网络算法
宠物识别系统使用Python和TensorFlow搭建卷积神经网络,基于37种常见猫狗数据集训练高精度模型,并保存为h5格式。通过Django框架搭建Web平台,用户上传宠物图片即可识别其名称,提供便捷的宠物识别服务。
884 55
|
10月前
|
机器学习/深度学习 人工智能 算法
基于Python深度学习的眼疾识别系统实现~人工智能+卷积网络算法
眼疾识别系统,本系统使用Python作为主要开发语言,基于TensorFlow搭建卷积神经网络算法,并收集了4种常见的眼疾图像数据集(白内障、糖尿病性视网膜病变、青光眼和正常眼睛) 再使用通过搭建的算法模型对数据集进行训练得到一个识别精度较高的模型,然后保存为为本地h5格式文件。最后使用Django框架搭建了一个Web网页平台可视化操作界面,实现用户上传一张眼疾图片识别其名称。
512 5
基于Python深度学习的眼疾识别系统实现~人工智能+卷积网络算法
|
6月前
|
人工智能 安全 Shell
Jupyter MCP服务器部署实战:AI模型与Python环境无缝集成教程
Jupyter MCP服务器基于模型上下文协议(MCP),实现大型语言模型与Jupyter环境的无缝集成。它通过标准化接口,让AI模型安全访问和操作Jupyter核心组件,如内核、文件系统和终端。本文深入解析其技术架构、功能特性及部署方法。MCP服务器解决了传统AI模型缺乏实时上下文感知的问题,支持代码执行、变量状态获取、文件管理等功能,提升编程效率。同时,严格的权限控制确保了安全性。作为智能化交互工具,Jupyter MCP为动态计算环境与AI模型之间搭建了高效桥梁。
369 2
Jupyter MCP服务器部署实战:AI模型与Python环境无缝集成教程
|
4月前
|
数据采集 监控 算法
Python文件与目录比较全攻略:从基础操作到性能优化
文件比较的核心在于数据指纹校验,通过逐字节比对生成唯一标识,确保内容一致性。从标准库的os与filecmp到高性能第三方库如pydiffx,再到分布式与量子加密技术的未来趋势,文件比较广泛应用于数据备份、代码审查与系统监控等领域,是保障数据完整性的关键技术手段。
105 0
|
7月前
|
人工智能 API 开发工具
【AI大模型】使用Python调用DeepSeek的API,原来SDK是调用这个,绝对的一分钟上手和使用
本文详细介绍了如何使用Python调用DeepSeek的API,从申请API-Key到实现代码层对话,手把手教你快速上手。DeepSeek作为领先的AI大模型,提供免费体验机会,帮助开发者探索其语言生成能力。通过简单示例代码与自定义界面开发,展示了API的实际应用,让对接过程在一分钟内轻松完成,为项目开发带来更多可能。
|
8月前
|
机器学习/深度学习 人工智能 算法
基于Python深度学习的【害虫识别】系统~卷积神经网络+TensorFlow+图像识别+人工智能
害虫识别系统,本系统使用Python作为主要开发语言,基于TensorFlow搭建卷积神经网络算法,并收集了12种常见的害虫种类数据集【"蚂蚁(ants)", "蜜蜂(bees)", "甲虫(beetle)", "毛虫(catterpillar)", "蚯蚓(earthworms)", "蜚蠊(earwig)", "蚱蜢(grasshopper)", "飞蛾(moth)", "鼻涕虫(slug)", "蜗牛(snail)", "黄蜂(wasp)", "象鼻虫(weevil)"】 再使用通过搭建的算法模型对数据集进行训练得到一个识别精度较高的模型,然后保存为为本地h5格式文件。最后使用Djan
436 1
基于Python深度学习的【害虫识别】系统~卷积神经网络+TensorFlow+图像识别+人工智能
|
9月前
|
机器学习/深度学习 人工智能 算法
基于Python深度学习的【蘑菇识别】系统~卷积神经网络+TensorFlow+图像识别+人工智能
蘑菇识别系统,本系统使用Python作为主要开发语言,基于TensorFlow搭建卷积神经网络算法,并收集了9种常见的蘑菇种类数据集【"香菇(Agaricus)", "毒鹅膏菌(Amanita)", "牛肝菌(Boletus)", "网状菌(Cortinarius)", "毒镰孢(Entoloma)", "湿孢菌(Hygrocybe)", "乳菇(Lactarius)", "红菇(Russula)", "松茸(Suillus)"】 再使用通过搭建的算法模型对数据集进行训练得到一个识别精度较高的模型,然后保存为为本地h5格式文件。最后使用Django框架搭建了一个Web网页平台可视化操作界面,
775 11
基于Python深度学习的【蘑菇识别】系统~卷积神经网络+TensorFlow+图像识别+人工智能
|
8月前
|
Python
[oeasy]python074_ai辅助编程_水果程序_fruits_apple_banana_加法_python之禅
本文回顾了从模块导入变量和函数的方法,并通过一个求和程序实例,讲解了Python中输入处理、类型转换及异常处理的应用。重点分析了“明了胜于晦涩”(Explicit is better than implicit)的Python之禅理念,强调代码应清晰明确。最后总结了加法运算程序的实现过程,并预告后续内容将深入探讨变量类型的隐式与显式问题。附有相关资源链接供进一步学习。
121 4

热门文章

最新文章

推荐镜像

更多
下一篇
开通oss服务