目录
1 创建虚拟环境
conda create -n env_name
conda create -n env_name python=3.5 # 创建指定python版本
conda create -n env_name package_name # 创建环境并安装名为package_name 的包
conda create -n env_name python=3.5 numpy scipy # 创建指定python版本下包含某些包
2 激活虚拟环境
activate env_name
#conda 安装tensorflow的CPU版本
eg:conda create -n tensorflow_env tensorflow
conda activate tensorflow_env
#conda安装tensorflow的GPU版本
eg:conda create -n tensorflow_gpuenv tensorflow-gpu
conda activate tensorflow_gpuenv
3 退出当前环境
conda deactivate
4 复制某个虚拟环境
conda create -n new_env_name --clone old_env_name
5 删除某个环境
conda remove -n env_name --all
conda env remove -n env_name #上面失败时用
conda remove package #删除当前环境中的包
conda remove -n env_name package #删除指定环境中的包
6 查看当前所有环境
conda info --envs
conda env list
7 查看当前虚拟环境下的所有安装包
conda list #需进入该虚拟环境
conda list -n env_name
8 安装或卸载包(进入虚拟环境之后)
conda install xxx
conda install xxx=版本号 # 指定版本号
conda install xxx -i 源名称或链接 # 指定下载源
conda install --name env_name package_name #在指定环境中安装包
conda uninstall xxx
9 分享虚拟环境(不同平台和操作系统之间)三步搞定
可以使用 -export
选项生成一个 environment.yml
文件,以在 不同的平台和操作系统之间 复现项目环境。 environment.yml
文件不针对特定操作系统,并且使用YAML格式。 environment.yml
仅列出了软件包名称,由 conda 基于软件包的名称构建环境,还包括使用pip安装的软件包。
- 第一步:将当前的虚拟环境信息写入environment.yml文件。
- 第二步:将environment.yml文件复制到想要安装的服务器。
- 第三步:需要安装的服务器或机子上运行命令conda env create -f environment.yml。
conda env export > environment.yml # 导出当前虚拟环境,生成environment.yml文件
conda env create -f environment.yml # 创建保存的虚拟环境,在environment.yml文件路径下使用
conda env update -f environment.yml #已经创建了环境,想要按照environment.yml的内容进行安装
10 批量导出虚拟环境中的所有组件(相同平台和操作系统)Conda-Pack
Conda-pack
是一个命令行工具,用于打包 conda 环境,其中包括该环境中安装的软件包的所有二进制文件。 当您想在有限或没有网络访问的系统中重现环境时,此功能很有用。上面的方法均从其各自的存储库下载软件包以创建环境。而此方法不需要。注意,conda-pack 指定平台和操作系统,目标计算机必须具有与源计算机相同的平台和操作系统。
要安装 conda-pack,请确保您位于 root 或 base 环境中,以便 conda-pack 在子环境中可用。Conda-pack 可通过 conda-forge 或者 PyPI 安装。
conda install -c conda-forge conda-pack # conda-forge 安装
pip install conda-pack # PyPI 安装
打包一个环境:
# Pack environment my_env into my_env.tar.gz
conda pack -n my_env
# Pack environment my_env into out_name.tar.gz
conda pack -n my_env -o out_name.tar.gz
# Pack environment located at an explicit path into my_env.tar.gz
conda pack -p /explicit/path/to/my_env
重现环境:
# Unpack environment into directory `my_env`
mkdir -p my_env
tar -xzf my_env.tar.gz -C my_env
# Use Python without activating or fixing the prefixes. Most Python
# libraries will work fine, but things that require prefix cleanups
# will fail.
./my_env/bin/python
# Activate the environment. This adds `my_env/bin` to your path
source my_env/bin/activate
# Run Python from in the environment
(my_env) $ python
# Cleanup prefixes from in the active environment.
# Note that this command can also be run without activating the environment
# as long as some version of Python is already installed on the machine.
(my_env) $ conda-unpack
11 源服务器管理
conda当前的源设置在$HOME/.condarc中,可通过文本查看器查看或者使用命令>conda config --show-sources查看。
conda config --show-sources #查看当前使用源
conda config --remove channels 源名称或链接 #删除指定源
conda config --add channels 源名称或链接 #添加指定源
例如:
# 清华源 添加镜像
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 --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/
# 阿里源
conda config --add channels https://mirrors.aliyun.com/pypi/simple/
12 升级
升级Anaconda需先升级conda
conda update conda
conda update anaconda
conda update --all #更新所有包
conda update package_name #更新指定的包
13 卸载
rm -rf anaconda
14 查看conda版本
conda --version
15 conda瘦身
conda clean -p #删除没有用的包 (检查哪些包没有在包缓存中被硬依赖到其他地方,并删除它们)
conda clean -t #删除tar包 (删除conda保存下来的tar包)
conda clean -y --all #删除所有的安装包及cache
引用: