基于Conda完成创建多版本python环境

简介: 基于Conda完成创建多版本python环境

基于Conda完成创建多版本python环境


  1. 通过cmd打开conda环境
d:\ProgramData\Anaconda3\Scripts\activate
  1. 创建python3.7的环境
conda create -n py3.7 python=3.7

产生错误


Collecting package metadata (repodata.json): failed

UnavailableInvalidChannel: The channel is not accessible or is invalid.

channel name: pypi/simple

channel url: http://mirrors.aliyun.com/pypi/simple

error code: 404

You will need to adjust your conda configuration to proceed.

Use conda config --show channels to view your configuration’s current state,

and use conda config --show-sources to view config file locations.

7fb2a156cf21e233e0c8da76d6377b38_25ed6d473eea4a7290443e43cb6caca1.png


  1. 解决UnavailableInvalidChannel错误
    按照提示输出channels和sources
(base) E:\vscode\zhaopin>conda config --show channels
channels:
  - http://mirrors.aliyun.com/pypi/simple/
(base) E:\vscode\zhaopin>conda config --show-sources
==> C:\Users\DELL\.condarc <==
ssl_verify: True
channels:
  - http://mirrors.aliyun.com/pypi/simple/
show_channel_urls: True

移除指定的案例镜像

(base) E:\vscode\zhaopin>conda config --remove-key channels
(base) E:\vscode\zhaopin>conda config --show-sources
==> C:\Users\DELL\.condarc <==
ssl_verify: True
show_channel_urls: True
(base) E:\vscode\zhaopin>conda config --show channels
channels:
  - defaults
  1. 重新创建python3.7环境
conda create -n py3.7 python=3.7.0


7791cc67863a6eef6baaa54b54c07e6f_d97deb3935204611860b46771c6197b9.png

  1. 激活python3.7的环境
conda activate py3.7

84a8c7181e651838f604cd0302928792_b0e2da06b0824b2a88abadabd1cc27fe.png

  1. 查看存在的python版本
conda env list

66af5d55f874722e1fb1b90a739d1e04_acdf647fbacb4ae29d2efec11b743446.png

相关文章
|
26天前
|
Ubuntu Shell Linux
pyenv 管理多个 Python 版本(1)
pyenv 管理多个 Python 版本(1)
157 86
pyenv 管理多个 Python 版本(1)
|
21天前
|
Shell Python
使用 pyenv 来管理多个 Python 版本(2)
使用 pyenv 来管理多个 Python 版本(2)
111 71
使用 pyenv 来管理多个 Python 版本(2)
|
5天前
|
Python
探索Python虚拟环境:virtualenv、venv与pipenv比较
在Python开发中,有效的环境管理至关重要。virtualenv、venv和pipenv是常用的虚拟环境管理工具。virtualenv支持Python 2.7+和3.3+,可创建独立环境;venv为Python 3.3+内置库,简单轻量但功能有限;pipenv则结合了包管理和虚拟环境管理,生成Pipfile.lock确保依赖确定性和安全性,推荐作为首选工具。
|
4天前
|
人工智能 编译器 Python
python已经安装有其他用途如何用hbuilerx配置环境-附带实例demo-python开发入门之hbuilderx编译器如何配置python环境—hbuilderx配置python环境优雅草央千澈
python已经安装有其他用途如何用hbuilerx配置环境-附带实例demo-python开发入门之hbuilderx编译器如何配置python环境—hbuilderx配置python环境优雅草央千澈
python已经安装有其他用途如何用hbuilerx配置环境-附带实例demo-python开发入门之hbuilderx编译器如何配置python环境—hbuilderx配置python环境优雅草央千澈
|
9天前
|
机器学习/深度学习 Rust 算法
Python环境管理的新选择:UV和Pixi,高性能Python环境管理方案
近期Python生态系统在包管理领域发生了重要变化,Anaconda调整商业许可证政策,促使社区寻找更开放的解决方案。本文介绍两款新一代Python包管理工具:UV和Pixi。UV用Rust编写,提供高性能依赖解析和项目级环境管理;Pixi基于Conda生态系统,支持conda-forge和PyPI包管理。两者分别适用于高性能需求和深度学习项目,为开发者提供了更多选择。
38 2
|
2月前
|
机器学习/深度学习 数据可视化 Docker
Python环境
Python环境
46 3
|
2月前
|
弹性计算 Linux iOS开发
Python 虚拟环境全解:轻松管理项目依赖
本文详细介绍了 Python 虚拟环境的概念、创建和使用方法,包括 `virtualenv` 和 `venv` 的使用,以及最佳实践和注意事项。通过虚拟环境,你可以轻松管理不同项目的依赖关系,避免版本冲突,提升开发效率。
136 3
|
3月前
|
Shell 开发者 iOS开发
Python 环境搭建之 conda
本文介绍了Python项目管理工具Conda的两种版本——Anaconda和Miniconda的安装方法及环境使用,特别针对MacOS系统。Anaconda为全量版,适合新手;Miniconda则为轻量级版本,适合有经验的开发者。文中还提供了具体的安装命令和路径说明,帮助用户顺利完成安装并验证安装结果。
122 0
Python 环境搭建之 conda
|
3月前
|
机器学习/深度学习 缓存 Linux
python环境学习:pip介绍,pip 和 conda的区别和联系。哪个更好使用?pip创建虚拟环境并解释venv模块,pip的常用命令,conda的常用命令。
本文介绍了Python的包管理工具pip和环境管理器conda的区别与联系。pip主要用于安装和管理Python包,而conda不仅管理Python包,还能管理其他语言的包,并提供强大的环境管理功能。文章还讨论了pip创建虚拟环境的方法,以及pip和conda的常用命令。作者推荐使用conda安装科学计算和数据分析包,而pip则用于安装无法通过conda获取的包。
175 0
|
1月前
|
人工智能 数据可视化 数据挖掘
探索Python编程:从基础到高级
在这篇文章中,我们将一起深入探索Python编程的世界。无论你是初学者还是有经验的程序员,都可以从中获得新的知识和技能。我们将从Python的基础语法开始,然后逐步过渡到更复杂的主题,如面向对象编程、异常处理和模块使用。最后,我们将通过一些实际的代码示例,来展示如何应用这些知识解决实际问题。让我们一起开启Python编程的旅程吧!