conda安装与使用——全称【Anaconda】

简介: conda安装与使用——全称【Anaconda】

Conda 是一个开源的软件包管理系统和环境管理系统,用于安装多个版本的软件包及其依赖关系,并在它们之间轻松切换。

conda下载地址

官网地址:Anaconda | The World’s Most Popular Data Science Platform

可以在官网中看到一个【Free Download】,免费下载。

还是比较大的,需要下载一会:

下载完毕:

conda安装过程

conda工具菜单

conda有很多的工具,可以直接点击开始,在菜单列表中找到【Anaconda】,功能都在里面。

配置环境变量

打开【Anaconda Prompt】工具。

查看安装位置

where conda
where python

位置

当下查询版本

配置环境变量后再查询

C:\Users\DELL\anaconda3\Library\bin\

重新开启cmd测试版本

conda --version
python --version

启动Jupyter Notebook

先开启服务,回自动打开网页,就可以看到面板了。

创建测试文件

基础编码运行测试

跑一个输出,跑一个requests,都成功,代表我们安装的没有问题。super successed。

总结

Conda的优势主要体现在以下几个方面:

  1. 环境管理:Conda可以创建和管理多个独立的环境,每个环境可以有不同的软件版本和依赖项。这个功能对于项目开发和测试非常有用,可以轻松地为不同的项目创建不同的环境,并在它们之间进行切换。
  2. 快速安装:Conda可以快速安装、运行和更新包及其依赖项,使得软件包管理变得非常简单。
  3. 跨平台兼容性:Conda是为Python程序创建的,但它可以为任何语言打包和分发软件,因此具有很好的跨平台兼容性。
  4. 简化软件包管理:使用Conda可以简化软件包管理和部署的复杂性,避免版本冲突和依赖关系问题,从而提高工作效率。
  5. 社区支持:Conda有着强大的社区支持,可以轻松地找到和安装需要的软件包,同时也有许多第三方工具和插件可供使用。

总的来说,Conda是一个非常强大且易用的包和环境管理系统,可以帮助开发人员更加高效地进行项目开发和测试。

相关文章
|
机器学习/深度学习 缓存 网络安全
服务器中的conda环境
服务器中的conda环境
1745 1
|
机器学习/深度学习 自然语言处理 搜索推荐
神经网络算法 —— Embedding(嵌入)!!
神经网络算法 —— Embedding(嵌入)!!
5342 1
conda常用操作和配置镜像源
conda常用操作和配置镜像源
33415 0
|
5月前
|
机器学习/深度学习 人工智能 前端开发
终端里的 AI 编程助手:OpenCode 使用指南
OpenCode 是开源的终端 AI 编码助手,支持 Claude、GPT-4 等模型,可在命令行完成代码编写、Bug 修复、项目重构。提供原生终端界面和上下文感知能力,适合全栈开发者和终端用户使用。
46152 11
|
人工智能 计算机视觉
MangaNinja:开源线稿着色工具,自动匹配图像风格,一键快速上色
MangaNinja 是一款基于参考图像的线稿着色工具,通过创新的补丁重排模块和点驱动控制方案,实现精准颜色匹配和复杂场景处理,适用于漫画、插画和数字艺术创作。
735 10
MangaNinja:开源线稿着色工具,自动匹配图像风格,一键快速上色
|
Linux iOS开发 MacOS
conda 安装, 配置以及使用
conda 安装, 配置以及使用
2020 1
pip 更换源 国内源 阿里源
pip 更换源 国内源 阿里源
5340 0
|
机器学习/深度学习 人工智能 Linux
anaconda conda 切换为国内源 、windows 和 Linux配置方法、 添加清华源——【一文读懂】
请问为什么我使用 Conda 搭建一个深度学习环境半个多小时都没成,而你10分钟就随手搭建一个环境; 讲道理,这就像搬砖,搬的久了,还不能允许我一天多拉几车吗
6993 0
anaconda conda 切换为国内源 、windows 和 Linux配置方法、 添加清华源——【一文读懂】
|
存储 SQL 分布式计算
大数据时代的引擎:大数据架构随记
大数据架构通常分为四层:数据采集层、数据存储层、数据计算层和数据应用层。数据采集层负责从各种源采集、清洗和转换数据,常用技术包括Flume、Sqoop和Logstash+Filebeat。数据存储层管理数据的持久性和组织,常用技术有Hadoop HDFS、HBase和Elasticsearch。数据计算层处理大规模数据集,支持离线和在线计算,如Spark SQL、Flink等。数据应用层将结果可视化或提供给第三方应用,常用工具为Tableau、Zeppelin和Superset。
5937 8

热门文章

最新文章

下一篇
开通oss服务