linux笔记：使用conda命令管理包、管理环境详细讲解

目录

一. 管理包

1.1、安装包

1.2、卸载包-更新包

1.3、搜索包

二、管理环境

2.1、创建环境

2.2、进入环境

2.3、离开环境

三、环境保存和导入、列出环境、删除环境

3.1、保存和加载环境

3.2、列出环境

3.3、删除环境

3.4、共享环境

四、Anaconda虚拟环境跨平台迁移和直接整体迁移

五、pip和conda批量导出、安装组件(requirements.txt)

六、最后总结

---

一. 管理包

1.1、安装包

安装了 Anaconda 之后，管理包是相当简单的。要安装包，请在终端中键入 

conda install package_name
#例如，要安装 numpy，请键入：
conda install numpy。
#还可以同时安装多个包。类似：
conda install numpy scipy pandas

这样的命令会同时安装所有这些包。还可以通过添加版本号（例如 conda install numpy=1.10）来指定所需的包版本。Conda 还会自动为你安装依赖项。例如，scipy 依赖于 numpy，因为它使用并需要 numpy。如果你只安装 scipy (conda install scipy)，则 conda 还会安装 numpy（如果尚未安装的话）。

1.2、卸载包-更新包

大多数命令都是很直观的。

• 要卸载包，请使用 ：

conda remove package_name

• 要更新包，请使用：

conda update package_name

• 如果想更新环境中的所有包(这样做常常很有用):

conda update --all

• 最后，要列出已安装的包，请使用前面提过的 

conda list

1.3、搜索包

• 如果不知道要找的包的确切名称，可以下面进行搜索 :

conda search search_term 

• 例如，我知道我想安装 Beautiful Soup，但我不清楚确切的包名称。因此，我尝试执行：

conda search beautifulsoup

      它返回可用的 Beautiful Soup 包的列表，并列出了相应的包名称 beautifulsoup4。

二、管理环境

2.1、创建环境

如前所述，你可以使用 conda 创建环境以隔离项目。

• 要创建环境，请在终端中使用 

conda create -n env_name list of packages

在这里，-n env_name 设置环境的名称（-n 是指名称），而 list of packages 是要安装在环境中的包的列表。

• 例如，要创建名为 my_env 的环境并在其中安装 numpy，请键入： 

conda create -n my_env numpy
# 指定位置创建环境
conda create --prefix=/opt/conda/envs/torch python=3.7
# 『上述是在目录/opt/conda/envs/下创建名为torch的虚拟环境』

创建环境时，可以指定要安装在环境中的 Python 版本。这在你同时使用 Python 2.x 和 Python 3.x 中的代码时很有用。要创建具有特定 Python 版本的环境，请键入类似于：

conda create -n py3 python=3 
#或者下面的命令：
conda create -n py2 python=2 

实际上，我在我的个人计算机上创建了这两个环境。我将它们用作与任何特定项目均无关的通用环境，以处理普通的工作（可轻松使用每个 Python 版本）。这些命令将分别安装 Python 3 和 Python 2 的最新版本。要安装特定版本（例如 Python 3.3），请使用 ：

conda create -n py python=3.3

2.2、进入环境

• 创建了环境后进入环境：

#在 Linux 上使用下面进入环境：
source activate my_env
#在 Windows 上使用下面进入环境：
activate my_env。

进入环境后，你会在终端提示符中看到环境名称，它类似于 (my_env) ~ $。环境中只安装了几个默认的包，以及你在创建它时安装的包。你可以使用 conda list 检查这一点。

在环境中安装包的命令与前面一样：

conda install package_name 

注意啊：这次你安装的特定包仅在你进入环境后才可用。

2.3、离开环境

• 要离开环境：

#在 Linux 上请键入：
source deactivate。 
#在 Windows 上键入：
deactivate。

• 例如：你将使用哪个命令来创建名为 data 且安装了 Python 3.5、numpy 和 pandas 的环境？

conda create -n data python=3.5 numpy pandas

三、环境保存和导入、列出环境、删除环境

3.1、保存和加载环境

共享环境这项功能确实很有用，它能让其他人安装你的代码中使用的所有包，并确保这些包的版本正确。你可以使用 

conda env export > environment.yaml 

将包保存为 YAML。命令的第一部分 conda env export 用于输出环境中的所有包的名称（包括 Python 版本）。

• 首先进入名为‘’base‘’的环境（python3）

• 然后将导出的环境输出到终端中

• 通过后半部分environment.yaml将其保存到并命名为“environment.yaml”

• 文件“environment.yaml”所在位置：

上图中，你可以看到环境的名称和所有依赖项及其版本。导出命令的第二部分 >~/ environment.yaml将导出的文本写入到 YAML 文件 environment.yaml 中。现在可以共享此文件，而且其他人能够用于创建和你项目相同的环境。

要通过环境文件创建环境，请使用 下面的命令，会创建一个新环境，它具有同样的在 environment.yaml 中列出的库。

conda env create -f environment.yaml

3.2、列出环境

如果忘记了环境的名称（我有时会这样），可以使用 conda env list (或者使用：conda info -e)列出你创建的所有环境。你会看到环境的列表，而且你当前所在环境的旁边会有一个星号。默认的环境（即当你不在选定环境中时使用的环境）名为 root。

3.3、删除环境

如果你不再使用某些环境，可以使用下面命令删除指定的环境。

conda env remove -n env_name  #（在这里名为 env_name）
#或者：
conda remove -n [name] --all   #删除刚刚创建的conda环境 （建议使用这个）

3.4、共享环境

在 GitHub 上共享代码时，最好同样创建环境文件并将其包括在代码库中。这能让其他人更轻松地安装你的代码的所有依赖项。对于不使用 conda 的用户，我通常还会使用 pip freeze（在此处了解详情）将一个 pip requirements.txt 文件导出并包括在其中。

四、Anaconda虚拟环境跨平台迁移和直接整体迁移

Anaconda虚拟环境跨平台迁移和直接整体迁移（不用.yml文件和重新下载package）

• 直接把一台Linux机上的Anaconda envs下的某一个环境整体迁移到另一台Linux机上的Anaconda envs下可以成功启动该环境

cd  ~/anaconda3/envs

 zip -r py.zip  py

这个环境压缩之后也有3个G,copy到有文件传输限制的服务器，可能还需要分包传输

copy 到另一台服务器（同位Linux服务器）之后
解压到指定位置，即可使用

方法1：conda activate speechSep
方法2：或者直接解压，这里我是直接解压。unzip py.zip

五、pip和conda批量导出、安装组件(requirements.txt)

# pip批量导出包含环境中所有组件的requirements.txt文件
pip freeze > requirements.txt
# pip批量安装requirements.txt文件中包含的组件依赖
pip install -r requirements.txt

# conda批量导出包含环境中所有组件的requirements.txt文件
conda list -e > requirements.txt
# conda批量安装requirements.txt文件中包含的组件依赖
conda install --yes --file requirements.txt

六、最后总结

要详细了解 conda 以及它如何融入到 Python 生态系统中，请查看这篇由 Jake Vanderplas 撰写的文章：文章链接（有关 conda 的迷思和误解），此外，如果你有空闲精力，也可以参考这篇 conda 文档。

conda list ：查看安装哪些包

 conda upgrade --all     #更新所有包