教你将配置好的conda环境迁移到其它设备

最新推荐文章于 2024-07-10 00:52:09 发布
最新推荐文章于 2024-07-10 00:52:09 发布
阅读量1k 收藏 9
点赞数 9
分类专栏： 教你系列 文章标签： conda
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_42593798/article/details/137749115
版权
本文介绍了如何在不同设备间迁移已配置的conda环境，通过conda-pack工具打包和还原环境，避免了网络依赖和繁琐的配置过程。只需在原设备上执行几个步骤，就能在新设备上快速恢复工作环境。
摘要由CSDN通过智能技术生成

在这里插入图片描述

文章目录

问题分析

好不容易配置好的conda环境，要在另一个设备上运行，还要重新配置，好麻烦。

存在的方法

  • pip install -r requirement.txt 依旧受到网络的影响，并且还要生成txt文件
  • 使用docker 配置环境： 上手比较麻烦

一个折中的办法——conda-pack

环境要求

  • 原设备和新设备都拥有anaconda，且版本最好相近

方法步骤

1. 下载conda pack

base环境下载conda-pack包

pip install conda-pack

在这里插入图片描述

2. 打包原环境

例如：环境名为 audio

conda pack -n audio

在这里插入图片描述

这样会在终端当前目录下得到audio.tar.gz 环境压缩包，迁移到新设备中

3. 新设备还原环境

重要一步！！！
3.1 终端进入anaconda安装目录下的envs文件夹
如：
在这里插入图片描述

cd D:\SoftwareInstall\Anaconda\envs

3.2 创建环境文件夹

mkdir new_audio

3.3 解压audio.tar.gz到new_audio文件夹中

tar -xzvf audio.tar.gz -C ./new_audio

4. 查看环境

conda env list

不出意外的话，conda环境列表中会有new_audio环境，即可完成环境的迁移

HHXC浩瀚星辰
关注
  • 9
    点赞
  • 踩
  • 9
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 3
    评论
专栏目录
手把手教你搭建YOLOV8+CUDA环境，训练自定义数据集，训练推理验证导出。小白也能看得懂的！
专注于图像领域，主要研究内容包括计算机视觉和深度学习，特别是在图像分类、目标检测和图像生成等方面有深入的研究和实践经验。
05-18 5094
YOLO（You Only Look Once）系列算法因其高效、准确等特点而备受瞩目。由2023年Ultralytics公司发布了YOLO的最新版本YOLOv8是结合前几代YOLO的基础上的一个融合改进版。本文主要介绍YOLOv8环境搭建/数据集获取/训练/推理/验证/导出/部署
conda移植环境的三种方式
find0er的博客
07-02 7422
目的：移植pytorch环境 过程：四面楚歌，最后柳暗花明。 结果：能用但不显示环境 写作目的：总结，为其他人排除坑 正常的移植方法：方法1. conda env export > environment.yaml conda env create -f environment.yaml 参见https://www.jianshu.com/p/b86c17057da8 遭遇：...
conda环境迁移到其他机器上
ysq319的博客
10-27 1万+
conda环境迁移        因为总是在实验室和自己电脑上来回操作学习，有时候会不记得自己在哪弄过什么东西。想着以后要用服务器，又得重新安装anaconda配置环境，就查了怎么迁移自己配置过的环境。做个笔记： 首先在conda的终端激活自己想要迁移的环境 conda activate your_env 然后生成自己的...
简单实现Anaconda/Miniforge虚拟环境的克隆和迁移
Zephyr Hou 的博客
07-02 1067
进行项目管理时，往往会创建很多环境，而不同的项目环境之间往往差异性较小，为了避免重复配置较为繁琐的环境，可以使用环境克隆命令进行虚拟环境的迁移或重命名，当然也可以通过这种方式进行不同软件之间、不同设备之间的环境配置。下面笔者提供两种较为简单的克隆方式，希望对您的工作和学习有所帮助。文件夹下，因此我们只需要将该文件夹下面需要克隆的环境直接拷贝到另外电脑或软件下项目的。命令进行环境的管理，因此从某种意义上来说，两者的使用方式基本完全相同。环境，也可以使用下面命令进行删除。创建的环境，都在该软件的。
conda环境迁移到另一个服务器
Jet_Peng的博客
08-03 8545
试了网上的几种方法，只有这个方法成功了，虽然麻烦点 1.在base环境安装conda-pack pip install conda-pack 2.打包环境 conda pack -n my_env//my_env为环境名 打包后的压缩包在当前目录，把他下载后（我的大概有1个G）上传到另一个服务器 另一台服务器先安装conda wget https://repo.continuum.io/archive/Anaconda3-5.1.0-Linux-x86_64.sh #64位系统 bash Anaco
Anaconda 环境克隆、迁移 ，用Anaconda里面的conda命令创建虚拟环境并克隆环境或者复旧电脑实验环境包、
qq_41656402的博客
06-03 3万+
Anaconda 环境克隆、迁移，用Anaconda里面的conda命令创建虚拟环境并克隆环境或者复旧电脑实验环境包、（踩一个坑更新一点）
【conda】实现conda环境迁移的4种方式
shuaixio的博客
03-06 1万+
conda环境迁移，通过conda pack方式实现，或通过spec_list.txt，scp拷贝到目标环境，离线和在线
Conda环境的迁移
weixin_54973482的博客
03-31 1万+
Anaconda环境的迁移
如何把conda虚拟环境移到不同的机器以及soloV2安装
weixin_68499539的博客
02-19 731
其中 -c pytorch 表示使用 PyTorch 官方的软件源进行安装，cpuonly 表示只安装 CPU 版本的 PyTorch。在官网上下载并安装 Anaconda 或 Miniconda，这是使用 Conda 管理 Python 环境的前提。好啦，今天美乐蒂就和大家分享到这里啦，小伙伴们有更好的办法可以在评论区打出来哦~~以便大家更方便地操作呢。这将会根据 environment.yml 文件创建一个新的虚拟环境，并安装其中的所有包和依赖项。至此，你已经成功地安装了 soloV2。
【保姆级教程】Anaconda环境迁移：直接将之前搭建好的环境从一个机子迁移到另一个机子
热门推荐
信小海
02-11 6万+
本文详细介绍了Anaconda环境的迁移过程，即直接将之前搭建好的环境从一个机子迁移到另一个机子。
conda环境迁移到另一台设备
康崽不想单身的博客
05-07 349
conda环境迁移到另一台设备
conda 环境配置
Summkk的博客
12-19 829
conda 环境配置 conda create conda create遇到的问题： 1.HTTP error 通常由于连接境外的默认源较慢，超时导致HTTP error。可换源解决。 2.SSL error 部分报错信息最后出现SSL error，需要安装openSSL。 具体报错信息和解决方法描述 3.json.decoder.JSONDecodeError 具体报错信息和解决方法描述 解决方法：换源出错，可以看到它还是用默认源查找的。删除源的配置文件，重新用默认源。（也可能就继续HTTP error
conda环境的转移
Faker_Yxt的博客
11-05 956
1.在同一计算机内进行克隆复制 conda create -n 新环境名 --clone 需要被克隆的环境名字 2.将环境布置到不同的服务器上时 需要分别将conda安装的包和pip安装的包分别导出，然后分别进行安装， 首先在终端激活需要被导出的环境：source activate 环境名，然后cd进入到你想把文件放置在哪个文件夹下面的路径。 指令如下： conda导出已有环境： conda env export > environment.yaml #导出 conda env create -f
Ubuntu 配置Python环境(包括Tensorflow)
king52113141314的博客
10-19 1478
1，安装miniconda https://gist.github.com/arose13/fcc1d2d5ad67503ba9842ea64f6bac35 How to Install miniconda on linux (from the command line only) # Setup Ubuntu sudo apt update --yes sudo apt upgrade --yes # Get Miniconda and make it the main Python inte.
window配置cpu深度学习 环境 keras+tensorflow+torch 版本搭配详细教程 pip 下载sklearn
11-14 3811
python配置cpu深度学习 环境 keras+tensorflow+torch+bert_wwm_ext_pytorch 版本搭配
大语言模型原理与工程实践：手把手教你训练 7B 大语言模型 自动化训练框架
最新发布
禅与计算机程序设计艺术
07-10 481
近年来，大语言模型（Large Language Models，LLMs）在自然语言处理领域取得了突破性进展。从GPT-3到ChatGPT，再到最新的GPT-4，这些模型展现出了惊人的语言理解和生成能力，引发了学术界和产业界的广泛关注。然而，训练如此庞大的模型不仅需要海量的数据和计算资源，还需要复杂的工程实践和优化技巧。本文将深入探讨大语言模型的原理，并以7B参数规模的模型为例，详细介绍如何构建一个自动化训练框架，使读者能够亲自动手训练自己的大语言模型。
多模态大模型：技术原理与实战 部署环境准备
禅与计算机程序设计艺术
05-23 855
多模态大模型：技术原理与实战 部署环境准备 作者：禅与计算机程序设计艺术 1. 背景介绍 1.1 多模态学习的兴起 近年来，随着深度学习技术的飞速发展，人工智能领域取得了突破性进展。其中，多模态学习作为人工智能领域
将conda的环境复制到另一台电脑应用于jupyter/spyder
qq_51936137的博客
11-05 2180
将conda的环境文件夹直接复制到另一台电脑对应位置（安装根目录\anaconda\envs） 想要在jupyter/spyder中使用该环境 需要先添加环境至环境列表，在AnacondaPrompt命令行中依次键入（以名为zero的环境为例）： jupyter kernelspec list python -m ipykernel install --name zero --dispＣＤ７｀lay-name "zero" .........
conda 环境迁移
m0_43609475的博客
03-23 2897
conda 环境迁移 一、本地环境备份–clone 在本地，conda 可以方便地创建环境的快照或者备份 创建一个 和 myenv环境一样的环境 snapshot conda create --name snapshot --clone myenv 二、相同操作系统 的计算机之间复制环境–可以生成 spec list 生成 spec list 文件： conda list --explicit > spec-list.txt 根据spec-list.txt重现环境： conda create
linux conda环境迁移
08-15
在Linux系统中，可以使用conda环境迁移工具来实现conda环境的迁移。首先，需要将要迁移的环境导出为一个yml文件，可以使用以下命令导出当前环境： ``` conda env export > environment.yml ``` 接下来，在目标机器上创建新的环境，可以使用以下命令： ``` conda env create -f environment.yml ``` 这将根据导出的yml文件创建一个新的环境。另外，如果你想将已有的环境迁移到其他服务器，可以使用以下步骤： 1. 克隆要打包的anaconda环境： ``` conda create -n 新环境的名称 --clone 老环境名称 ``` 2. 进入克隆的conda环境： ``` conda activate 新环境名称 ``` 3. 安装conda-forge和conda-pack打包工具： ``` conda install -c conda-forge conda-pack ``` 4. 使用conda pack命令将当前环境打包： ``` conda pack -n 新环境名称 -o 新环境名称.tar.gz ``` 5. 打包后的文件一般保存在当前目录下，可以将该文件复制到目标服务器，并解压缩后即可使用该环境。 综上所述，以上是在Linux系统中进行conda环境迁移的步骤。希望对你有帮助！<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* *2* [Linux环境下conda虚拟环境的迁移](https://blog.csdn.net/qq_42730750/article/details/125413470)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v92^chatsearchT0_1"}}] [.reference_item style="max-width: 50%"] - *3* [Conda环境的迁移](https://blog.csdn.net/weixin_54973482/article/details/123865731)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v92^chatsearchT0_1"}}] [.reference_item style="max-width: 50%"] [ .reference_list ]
评论 3
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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

打赏作者

HHXC浩瀚星辰

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
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