在conda环境下创建的虚拟环境都保存在envs这个路径下,每个文件夹代表一个虚拟环境,如果在linux操作系统中可以将envs中的虚拟环境文件夹全部手动用tar命令进行打包,然后把打包后的文件移植到另一台目标服务器并解压到conda目录下的envs路径下,那么即可使用 conda activate 命令激活该虚拟环境。
注意:需要两台服务器的操作系统版本一致,并且最好conda软件的版本也一直,不然会出现一些链接库的错误问题。可能会遇到的错误如下:
mportError: /lib64/libstdc++.so.6: version `CXXABI_1.3.9’ not found (required by /data/smzh/anaconda3/lib/python3.6/site-packages/scipy/sparse/_sparsetools.cpython-36m-x86_64-linux-gnu.so)
解决方法-添加如下到~/.bash_profile中(换成自己的anaconda3/lib路径)
LD_LIBRARY_PATH=/data/anaconda3/lib:$LD_LIBRARY_PATH
export LD_LIBRARY_PATH
source ~/.bash_profile 使其生效
libstdc++.so.6: version `GLIBCXX_3.4.26‘ not found
解决方法:https://blog.csdn.net/weixin_52602016/article/details/124478222
ImportError:/home/xxx/Software/anaconda3/lib/libstdc++.so.6: version `GLIBCXX_3.4.29‘ not found
ImportError: /home/xxx/Software/anaconda3/lib/libstdc++.so.6: version `GLIBCXX_3.4.29‘ not found
以下方法参考文章:conda-使用教程 - 简书
Conda 提供了多种保存和移动环境的方法。
在本地,conda 可以方便地创建环境的快照或者备份:
conda create --name snapshot --clone myenv
Spec List
如果需要在具有 相同操作系统 的计算机之间复制环境,则可以生成 spec list
。这是离线打包。
生成 spec list
文件:
conda list --explicit > spec-list.txt
重现环境:
conda create --name python-course --file spec-list.txt
Environment.yml
也可以使用 -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。 spec list
文件和 environment.yml
文件之间的区别在于: 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。 另一个区别是 -export
还包括使用pip安装的软件包,而 spec list
则没有。
导出 environment.yml
文件:
conda env export > environment.yml
注意:如果当前路径已经有了 environment.yml 文件,conda 会重写这个文件
重现环境:
conda env create -f environment.yml
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-forge:
conda install -c conda-forge conda-pack
PyPI:
pip install conda-pack
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
Conda 提供了多种复制项目环境的方法。 创建环境的克隆可以提供定制的基本环境或该环境的快照。spec list
和 conda-pack
可创建特定于平台和操作系统的环境副本。 其中 spec list
使用网络来下载环境中特定的软件包,而 conda-pack
可以打包包括软件包二进制文件在内的整个环境,这在带宽不足或没有网络的情况下很有用。 Conda导出 environment.yml
的方式非常适合在不同平台和操作系统之间重新创建环境。