【一】学习python环境准备之Anaconda安装和使用

下载安装Anaconda

Anaconda | Anaconda Distribution

Conda

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。

 

# 记录常用命令
# 使用conda 维护一套虚拟环境

# 创建虚拟环境是非常有必要的，它可以隔离各项目所需环境，让项目之间不会起冲突。

conda create --name envname python=3.6
①envname是自定义的虚拟运行环境名称
②python=3.6指定了虚拟运行环境的python版本



# 列出所有已创建的环境

conda env list  /  conda-env list(也可)

# 进入虚拟环境

conda activate envname

# python -V 查看python 版本

# conda -V

# 退出环境

conda deactivate

# 删除环境

conda remove -n envname --all

# 复制环境

conda create --name new_env_name --clone old_env_name



# 输入 conda list 可以查看当前环境中所有安装过的程序
# 输入pip list 可以查看当前环境中所有python的模块
# conda list -n myenv

# conda 和 pip可以配置下载镜像地址

conda config --show-sources

中科大的源
conda config –-add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/free/ 
阿里云的源
conda config --add channels http://mirrors.aliyun.com/pypi/simple/

# 移除源
conda config --remove channels 'https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/'
# 移除所有
conda config --remove-key channels



或者使用pip 安装
# 升级 pip 到新的版本 
python -m pip install -i https://pypi.tuna.tsinghua.edu.cn/simple --upgrade pip
# 设为默认配置
pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple

pip install -r requirements.txt

# 如果不配置新的镜像源 也可临时使用
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple some-package

# 查看包可安装版本
pip install aws-sam-cli==

# https://github.com/tox-dev/pipdeptree
pipdeptree -p aws-sam-cli

# pip-autoremove 卸载flask 并同时卸载其依赖
$ pip install pip-autoremove
$ pip-autoremove flask -y

# 列出过时的软件包
(base) PS D:\recommend> pip list --outdated
Package                Version   Latest   Type
---------------------- --------- -------- -----
arrow                  1.2.2     1.2.3    wheel
aws-lambda-builders    1.18.0    1.31.0   wheel
aws-sam-cli            1.55.0    1.83.0   wheel
aws-sam-translator     1.50.0    1.66.0   wheel
boto3                  1.24.63   1.26.133 wheel
botocore               1.27.63   1.29.133 wheel
certifi                2022.12.7 2023.5.7 wheel
dateparser             1.1.1     1.1.8    wheel
docker                 4.2.2     6.1.2    wheel
Flask                  2.2.2     2.2.5    wheel
jmespath               0.10.0    1.0.1    wheel
jsonschema             3.2.0     4.17.3   wheel
pip                    22.3.1    23.1.2   wheel
python-slugify         6.1.2     8.0.1    wheel
pywin32                304       306      wheel
s3transfer             0.6.0     0.6.1    wheel
setuptools             65.6.3    67.7.2   wheel
tensorflow-serving-api 2.9.1     2.11.1   wheel
tomlkit                0.7.2     0.11.8   wheel
torch                  1.7.0+cpu 1.13.1   wheel
torchaudio             0.7.0     0.13.1   wheel
torchvision            0.8.1+cpu 0.14.1   wheel
watchdog               2.1.2     3.0.0    wheel
websocket-client       1.4.0     1.5.1    wheel
wheel                  0.38.4    0.40.0   wheel

# 将包升级到最新版
pip install package_name -U

# 将包升级到指定版本
pip install --upgrade <package>==<version>
pip uninstall xxx #删除xxx包
pip show xxx #展示指定的已安装的xxx包
pip check xxx #检查xxx包的依赖是否合适

#
conda install -c conda-forge faiss
# 仅 CPU 的 conda 包目前在 Linux、OSX 和 Windows。包含 CPU 和 GPU 索引的 ，在 Linux 系统，适用于各种版本的 CUDA。

 conda环境复制

本机：conda create -n BBB --clone AAA

pip download -r requirements.txt -d .\libs

# 这里使用pip freeze > requirements.txt的时候要注意检查下。

同时和pip freeze 界面输出做下对比，看看文件有没有有问题的内容

# pip无法下载conda的包，那如何使用pip安装环境依赖

# 这里的含义是，根据requirement.txt来下载所有依赖库，保存到 ./lib文件夹中
pip download -d  ./libs  -r requirement.txt 

# 其中DIR为离线库文件夹路径，PATH为离线库列表文件路径
pip install --no-index --find-links=./libs  -r requirement.txt
 

# conda list 查看包通过哪些方式安装的，通过不同方式打个包

# conda pack -h

# conda install -c conda-forge conda-pack 没有就安装

# 打包 conda pack -n frecommend -o recommend.tar.gz

尽量使用conda一种方式安装

打包完成上传、解压、激活即可

Jupyter-notebook

安装后可以在开始应用里面看到

 由于启动时使用的工作空间不是需要的，这里我们指定位置 也可以修改默认启动路径

# 这个需要在Anaconda命令窗口操作
jupyter notebook --notebook-dir='D:/'

启动完成后，在浏览器中