深度学习环境的导出和配置

导出Python环境

使用win+r，然后输入cmd，进入命令行窗口，定位到一个保存文件的位置，然后输入如下指令即可将当前的Python环境保存为配置文件。如若需要导出虚拟环境的配置，则需要先进入虚拟环境，进行以上的操作。

conda env export --no-builds > ./environment.yaml

检查 YAML 文件

假设通过 conda env export --no-builds 生成的 environment.yaml 内容如下：

dependencies:
  - python=3.8.12
  - numpy=1.21.2
  - pip:
    - scikit-learn==0.24.2
    - tensorflow==2.8.0
    - custom-package==0.1.0

• pip 子字段：表示 pip 安装的包及版本。

如果 pip 包已完整记录在 environment.yml 文件中，那么直接在另一台机器上使用 conda env create -f environment.yml 时，会自动安装这些 pip 包。

可以单独导出 pip 包作为备用

pip freeze > requirements.txt

conda env export 和 conda env export --no-builds 对比

特性	conda env export	conda env export --no-builds
导出的信息	包含版本号和构建信息	仅包含版本号
文件兼容性	可能对不同平台不兼容	跨平台兼容性更高
适用场景	精确复现环境（同系统和架构）	更灵活的环境复现（跨平台/架构）
导出的文件复杂度	信息较多，文件更长	信息更少，文件更短

选择哪种方式取决于你的需求：

• 如果需要完全一致的环境（相同平台、架构）：使用 conda env export。
• 如果需要更高的灵活性（跨平台、不同操作系统）：使用 conda env export --no-builds。

快速配置环境

拿到上面保存的文件之后，同样在命令行窗口中进入文件保存的位置，然后启动需要配置的环境，在命令行中输入如下指令：

conda env create -f ./environment.yaml -n new_env_name

参考资料

[1] conda env export