服务器中的conda环境

简介: 服务器中的conda环境

写在最前面

使用全功能的anaconda,可以用conda控制同包环境,同时装py27和py35两个版本。

最近经常用服务器的conda,总结一下命令方便调用

参考:https://blog.csdn.net/Tianweidadada/article/details/80150056

https://blog.csdn.net/weixin_41466947/article/details/107377071

原文发布时间:2022-12-09 14:24:59

质量分过低,因此进行完善

原文

conda activate pytorch1.12_gpu

(X)conda install sklearn

(√)conda install scikit-learn

conda环境配置

查看当前系统下的环境:

conda info -e

创建新的环境:

# 指定python版本为3.8,注意至少需要指定python版本或者要安装的包# 后一种情况下,自动安装最新python版本
conda create -n env_name python=3.8
# 同时安装必要的包
conda create -n env_name numpy matplotlib python=2.7

进入虚拟环境:

conda activate pytorch1.12_gpu

退出虚拟环境:

conda deactivate

环境切换

# 切换到新环境# linux/Mac下需要使用source activate env_name
activate env_name

退出环境,也可以使用activate root切回root环境

deactivate env_name

环境增删改查

查看虚拟环境:

conda env list

conda克隆环境

conda create --name B --clone A

conda删除环境

conda remove --name B --all
conda remove -n env_name --all

conda重命名环境

conda create --name B --clone A
conda remove --name A --all

包管理

给某个特定环境安装package有两个选择,一是切换到该环境下直接安装,二是安装时指定环境参数-n

activate env_nameconda install pandas
# 安装anaconda发行版中所有的包
conda install anaconda
conda install -n env_name pandas

查看已经安装的package

conda list
# 指定查看某环境下安装的package
conda list -n env_name

查找包

conda search pyqtgraph

更新包

conda update numpy
conda update anaconda

卸载包

conda remove numpy

设置国内镜像

恢复默认源

conda config --remove-key channels

将anaconda换一下源(加入清华源)

vi ~/.condarc

把channels里面的https改成http

这个是网络安全的原因,https协议是有安全性的ssl加密传输协议,是浏览器和服务器之间的通信加密,这样来确保传输的安全。

auto_activate_base: false
channels:
  - http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch
  - http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
  - http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
  - defaults
show_channel_urls: true
default_channels:
  - http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
  - http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free
  - http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r
custom_channels:
  conda-forge: http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  msys2: http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  bioconda: http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  menpo: http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  pytorch: http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  simpleitk: http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud

清除缓存

为了保证用的是镜像站提供的索引,清除索引缓存,输入:

conda clean -i

根据不同要求得到命令后,要把-c pytorch去掉,才会去自己添加的镜像源下载

pycharm包更新

最简单方法, pip安装之后, 点击右下角状态栏里的python解释器, 重新点击当前的python解释器,这时候会触发重建索引即index, 远程的包会下载到本地

完善

当在服务器上进行数据科学、机器学习或深度学习工作时,使用conda环境是一种有效的方式,它可以帮助您管理不同项目所需的不同Python环境、依赖包和软件。在本博客中,我们将介绍服务器中的conda环境以及相关操作,包括创建、激活、管理和共享conda环境。让我们深入了解吧。

什么是conda环境?

conda是一个强大的包管理工具,它可以用于创建、部署和管理各种环境和软件包。conda环境是Python环境的独立容器,每个环境都有自己的Python版本、依赖包和库。这使得conda成为在服务器上同时管理多个项目的理想工具。

安装conda

如果您的服务器上尚未安装conda,可以按照以下步骤进行安装:

  1. 首先,下载conda的安装脚本(以Miniconda为例,它是一个精简版的conda发行版):
wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh
  1. 接着,运行安装脚本并按照提示进行安装:
bash Miniconda3-latest-Linux-x86_64.sh
  1. 在安装过程中,需要回答一些配置问题,如安装路径等。
  2. 安装完成后,运行以下命令以使更改生效:
source ~/.bashrc

现在,conda已经安装在您的服务器上了。

创建conda环境

要创建一个新的conda环境,可以使用以下命令:

conda create --name myenv python=3.7

上述命令将创建一个名为myenvconda环境,并在其中安装Python 3.7。您可以根据项目需求选择不同的Python版本。

激活和退出conda环境

要激活conda环境,可以使用以下命令:

conda activate myenv

这将激活名为myenv的环境。在激活环境后,您的命令行提示符将显示环境名称,表示您已进入该环境。

要退出当前的conda环境,可以使用以下命令:

conda deactivate

管理conda环境

安装依赖包

在激活的conda环境中,您可以使用condapip来安装所需的Python依赖包。例如,要安装numpypandas,可以运行以下命令:

conda install numpy pandas

查看环境列表

要查看服务器上所有可用的conda环境,可以运行以下命令:

conda env list

这将列出所有已创建的环境。

复制环境

您还可以克隆或复制现有的conda环境,以便在不同项目中重复使用相同的环境配置。要复制环境,可以运行以下命令:

conda create --name newenv --clone myenv

这将创建一个名为newenv的环境,其配置与myenv相同。

移除环境

如果不再需要某个conda环境,可以使用以下命令将其删除:

conda env remove --name myenv

共享conda环境

如果您需要在不同的服务器或与他人共享conda环境,可以通过导出和导入环境配置来实现。以下是如何执行这些操作的简要说明:

导出环境配置

要导出conda环境的配置,可以运行以下命令:

conda env export --name myenv > myenv.yml

这将创建一个名为myenv.yml的YAML文件,其中包含了该环境的配置信息。

导入环境配置

要在另一个服务器上或与他人共享环境配置,可以运行以下命令:

conda env create -f myenv.yml

这将根据YAML文件中的配置信息创建一个新的conda环境。

结语

conda环境是服务器上管理Python项目的强大工具。通过创建、激活、管理和共享conda环境,您可以轻松地处理不同项目的依赖关系,确保项目之间的隔离,并有效地利用服务器资源。希望这篇博客能够帮助您更好地理解和使用conda环境。

目录
相关文章
|
4月前
conda 环境安装
conda 环境安装
40 0
|
3月前
|
Shell
conda配置
conda配置
54 1
|
8月前
|
机器学习/深度学习 TensorFlow 算法框架/工具
conda创建虚拟环境方法和pqi使用国内镜像源安装第三方库的方法教程
conda创建虚拟环境方法和pqi使用国内镜像源安装第三方库的方法教程
conda创建虚拟环境方法和pqi使用国内镜像源安装第三方库的方法教程
|
并行计算 PyTorch 算法框架/工具
基于远程服务器安装配置Anaconda环境及创建python虚拟环境详细方案(二)
基于远程服务器安装配置Anaconda环境及创建python虚拟环境详细方案
304 0
基于远程服务器安装配置Anaconda环境及创建python虚拟环境详细方案(二)
|
Shell Linux Python
基于远程服务器安装配置Anaconda环境及创建python虚拟环境详细方案(一)
基于远程服务器安装配置Anaconda环境及创建python虚拟环境详细方案
1274 0
基于远程服务器安装配置Anaconda环境及创建python虚拟环境详细方案(一)
|
Python
pip、virtualenv、pyenv、pipenv等包管理工具简单区分
pip、virtualenv、pyenv、pipenv等包管理工具简单区分
pip、virtualenv、pyenv、pipenv等包管理工具简单区分
|
Ubuntu Python Windows
猪行天下之Python基础——1.2 pip包管理工具 & 虚拟环境
内容简述: 1、pip包管理工具 2、虚拟环境
141 0