[笔记] 常用的conda配置和操作

使用的系统

以 Linux 环境为标准,windows环境另作标记说明。

使用的软件

miniconda , 麻雀虽小,五脏俱全!

用户管理

创建 miniconda 组,并将用户添加到附属组。

sudo groupadd miniconda
sudo usermod -a -G miniconda username

下载安装

更改/opt权限,安装包下载到/opt/download,安装到/opt/miniconda3

sudo chown -R :miniconda /opt
sudo chmod 2775 -R /opt

mkdir -p /opt/download
wget -P /opt/download/  -c https://repo.continuum.io/miniconda/Miniconda3-latest-Linux-x86_64.sh
bash /opt/download/miniconda3.sh
# PATH: /opt/miniconda3
# conda init : no

修改镜像

修改文件 /opt/miniconda3/.condarc,末尾是代理设置,和一句更新命令

ssl_verify: false
show_channel_urls: true
report_errors: false
auto_activate_base: true
always_yes: true
channels:
  - bioconda
  - conda-forge
  - defaults
default_channels:
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2
custom_channels:
  conda-forge: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  msys2: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  bioconda: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  menpo: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  pytorch: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  pytorch-lts: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  simpleitk: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
# proxy_servers:
#     http: http://127.0.0.1:10808
#     https: http://127.0.0.1:10808
# conda clean -i && conda update --all

清理并更新 conda

-a 所有/ -i 索引/ -p 没有在使用的包/ -t 缓存的.tar文件/ -q 安静模式/-y 钝角√

conda clean -a && conda update --all 
conda update -base conda
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
### 回答1: Colab和Conda都是数据科学中常用的工具。 Colab是由Google提供的一种云端计算平台,可以提供免费的GPU和TPU加速。用户可以在浏览器中编写和执行Python代码,而无需在本地环境中安装和配置Python解释器及相关依赖库。此外,Colab还支持与Google Drive的无缝连接,可以轻松地读取和存储数据。使用Colab可以方便地与他人共享代码和笔记本,并且免去了本地环境配置的麻烦。 Conda是一种用于进行环境和依赖管理的开源工具。它可以创建和管理虚拟环境,使用户能够在同一台机器上同时安装和运行不同版本的Python和相关依赖包。Conda还提供了一个强大的软件包管理系统,可以方便地安装、更新和删除各种数据科学工具和库。与其他包管理器不同的是,Conda具有跨平台和跨操作系统的能力,可以很好地适应不同的开发环境。 Colab和Conda可以很好地结合使用。在Colab中,可以通过安装Conda来管理虚拟环境和依赖包。这样可以方便地创建和切换不同的环境,以适应不同的项目和需求。另外,Colab中的数据可以通过Conda安装的各种库进行处理和分析,可以更轻松地进行数据科学工作。 总而言之,Colab和Conda都是数据科学中十分实用的工具。Colab提供了便捷的云端计算环境,而Conda则为环境和依赖管理提供了强大的工具。它们的结合使用可以帮助用户更快速、高效地进行数据科学工作。 ### 回答2: Colab是Google提供的一项免费的云端计算服务,可以通过浏览器运行Python代码,并且提供了免费的GPU和TPU加速。Colab支持Conda环境,可以通过Colab来安装和管理Conda环境。 Conda是一种用于进行包管理和环境管理的工具,可以用于创建、导入、导出和分享环境。在Colab中使用Conda可以方便地安装和管理Python包及其依赖项。 要在Colab中使用Conda,首先需要安装MinicondaAnaconda,Colab中已经预装了Miniconda。可以通过运行命令`!conda install package_name`来安装包,`!conda remove package_name`来移除包。同时,可以通过`!conda env create -f environment.yml`命令来创建Conda环境,其中`environment.yml`是一个包含环境信息的文件。 Colab中使用Conda的一个重要优势是可以充分利用Colab提供的GPU或TPU加速,尤其适用于涉及大规模数据处理和深度学习任务的项目。另外,Colab还提供了与Google Drive的集成,可以将Conda环境和代码保存到Google Drive中,方便后续的使用和共享。 总之,Colab和Conda都是非常强大的工具,能够极大地简化Python开发和环境管理的过程。通过结合使用Colab和Conda,可以提高开发效率,实现更多复杂的任务。 ### 回答3: Colab和Conda是两个常用Python开发的工具。 Colab是Google开发的一种云端计算环境,它提供了一种交互式的方式让用户编写和运行Python代码。Colab可以在浏览器中直接使用,而无需进行任何安装或配置。它可以免费使用,并且提供了许多强大的功能,例如可以访问高性能的GPU和TPU来加速计算,可以导入和导出各种数据格式,还可以协作编辑和分享代码。Colab还集成了许多常用Python库,方便用户进行数据分析、机器学习和深度学习等任务。 Conda是一个用于Python项目管理和环境管理的工具。它可以轻松地创建、管理和切换Python环境,并且可以安装和管理各种Python库和依赖。Conda提供了一个命令行界面,用户可以使用conda命令来管理Python环境和包。Conda还有一个重要的特点是可以跨平台使用,可以在Windows、MacOS和Linux上运行。 结合起来说,在Colab环境中使用Conda可以带来很多便利。由于Colab是基于云端的计算环境,可以充分利用云端的资源来进行计算,而Conda则可以方便地管理各种Python环境和库,因此结合使用可以使得在Colab上进行Python开发更加轻松和高效。通过使用Conda,用户可以快速创建自己想要的环境,安装所需的库,并进行开发和测试。而且,Colab中已经预装了Conda,所以用户可以直接在Colab中使用conda命令,无需安装额外的软件。总之,结合Colab和Conda可以提供一个方便、快捷和高效的Python开发环境。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值