Anaconda安装及简单使用

Anaconda安装、使用及补充

一、Anaconda安装

因为社区有的安装教程写的非常全面，本文重点放在Anaconda的使用上，
点击下方j教程，进行安装
Anaconda最详细安装教程

二、常用操作汇总

查看conda版本

conda --version #查看conda版本，验证是否安装

配置镜像

cmd后依次输入命令:

conda config --add channels    https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels    https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --add channels    https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
conda config --set show_channel_urls yes

打开C盘用户目录,找到.condarc文件，直接简单粗暴的把下面的内容复制进去

channels:
  - defaults
show_channel_urls: true
channel_alias: https://mirrors.bfsu.edu.cn/anaconda
default_channels:
  - https://mirrors.bfsu.edu.cn/anaconda/pkgs/main
  - https://mirrors.bfsu.edu.cn/anaconda/pkgs/free
  - https://mirrors.bfsu.edu.cn/anaconda/pkgs/r
  - https://mirrors.bfsu.edu.cn/anaconda/pkgs/pro
  - https://mirrors.bfsu.edu.cn/anaconda/pkgs/msys2
custom_channels:
  conda-forge: https://mirrors.bfsu.edu.cn/anaconda/cloud
  msys2: https://mirrors.bfsu.edu.cn/anaconda/cloud
  bioconda: https://mirrors.bfsu.edu.cn/anaconda/cloud
  menpo: https://mirrors.bfsu.edu.cn/anaconda/cloud
  pytorch: https://mirrors.bfsu.edu.cn/anaconda/cloud
  simpleitk: https://mirrors.bfsu.edu.cn/anaconda/cloud

运行 conda clean -i 清除索引缓存，保证用的是镜像站提供的索引。

仅供参考

国内其他conda镜像源
ubuntu、pip换镜像源

创建环境

直接创建环境

#3.1创建名为env_name的新环境，并在该环境下安装名为package_name 的包
conda create -n env_name package_name 
#3.2可以指定新环境的版本号，例如：创建了python2环境，python版本为2.7，同时还安装了numpy pandas包
conda create -n python2 python=python2.7 numpy pandas

利用文件创建环境

1.复制old_env_name为new_env_name

conda create --name new_env_name --clone old_env_name 

2.用配置文件创建新的虚拟环境
利用conda env export 导出的yaml格式的文件，该文件记录了环境名、软件源地址以及安装包列表。
在新的机器中可直接执行上述命令，生成的环境与复制源完全一样（包括环境名）
如果想在同一台机器上复制，需要把yaml文件中的环境名修改为一个新的名字，否则会冲突。

conda env create -f environment.yaml

3.同上

conda create -n newenv -f env.txt

查看、切换、退出环境

 #4.1查看现有环境
conda info -e
#4.2切换至env_name环境
activate env_name 
#4.3#查看该环境下所有已经安装的包
conda list 
#4.4导出当前环境的包信息
conda env export > environment.yaml
#4.5同上
conda list --explicit > env.txt
#4.5#退出环境
deactivate 

在环境中安装、删除、更新包

#5.1在当前环境中安装包
conda install package_name 
#5.2在指定环境中安装包
conda install --name env_name package_name
#5.3删除当前环境中的包
conda remove package 
#5.4删除指定环境中的包
conda remove – name env_name package 
#5.5更新至最新版本，也会更新其它相关包
conda update conda 
#5.6更新指定的包
conda update package_name 
#5.7更新所有包
conda update --all 

删除环境

conda remove --name env_name –all 

内核

#7.1为当前环境配置内核
conda install ipykernel
#7.2查看安装的内核和位置
jupyter kernelspec list
#7.3删除 kernel
jupyter kernelspec remove tensorflow
#7.4将环境添加到jupyter notebook(你所选定的虚拟环境中进行)
python -m ipykernel install --user --name=kernel_name
#7.5如果你想在 指定的虚拟环境下配置kernel， 就要先切换到那个环境，然后再执行下面的命令， 注意 第一个名字 tensorflow 是存放kernel配置文件的目录名，第二个是Kernel的名字
python -m ipykernel install --user --name tensorflow --display-name Tensorflow2
#7.6安装tf-gpu(cpu版本)
pip install --upgrade --ignore-installed tensorflow-gpu
#仅供参考,可能用不到
conda create -n tensorflow_env tensorflow
conda activate tensorflow_env #conda 安装tensorflow的CPU版本
conda create -n tensorflow_gpuenv tensorflow-gpu
conda activate tensorflow_gpuenv #conda安装tensorflow的GPU版本

三、补充

Jupyter notebook工作路径切换

注意
Jupyter notebook 在所有虚拟环境中共享同一个工作路径
切换工作路径
打开Anaconda Prompt，产生config文件【注意，需要在安装Jupyter notebook的相应虚拟环境中，默认为base环境】

jupyter notebook --generate-config

1.注意，如果过去已经产生相关文件，系统将会提示是否覆盖
2.根据现实路径，找到相关文件并进行编辑，全文搜索[notebook_dir]，将其修改为指定路径，并删除行首 # 号
3.重启 Jupyter notebook，程序会直接载入新的工作路径

将原来电脑原有的python环境添加到Anaconda中

1.在Anaconda中新建一个环境，并指定python版本与电脑原有的python版本一样,环境的名字和原有的python的安装文件夹名一样
2.打开Anaconda的env文件夹，将python的安装文件夹复制过来替换掉同名的环境文件夹即可