Anaconda
clean 删除未使用的包和缓存。
#清除未使用的安装包和缓存
conda list #Remove unused packages and caches.
#删除一些没用的包,这个命令会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 -p
#可以将conda保存下来的tar包
conda clean -t
config 修改.condarc中的配置值。这是根据git配置命令建模的。默认情况下写入用户.condarc文件(/home/****/.condarc)。
create 新建环境
//下面是创建python=3.6版本的环境,
conda create -n ###(任意环境名) python=3.6
删除环境
conda remove -n ### --all
激活环境
//下面这个###是个环境名
source activate ###
退出环境
source deactivate
help 显示可用conda命令及其帮助字符串的列表。
info 显示有关当前conda安装信息。
install 将包列表安装到指定的conda环境中
conda install <package-name>
如果需要指定版本,也可以直接用 [package-name]=x.x 来指定
list 列出环境下的安装包
conda list
package Low-level conda package utility. (EXPERIMENTAL)
remove 从指定的conda环境中删除包列表
uninstall 与conda install 相反,删除
search 搜索安装包的版本
gaona@TitanX:~$ conda search tensorflow
Loading channels: done
# Name Version Build Channel
tensorflow 0.10.0rc0 np111py27_0 pkgs/free
tensorflow 0.10.0rc0 np111py34_0 pkgs/free
tensorflow 0.10.0rc0 np111py35_0 pkgs/free
tensorflow 1.0.1 np112py27_0 pkgs/free
tensorflow 1.0.1 np112py35_0 pkgs/free
tensorflow 1.0.1 np112py36_0 pkgs/free
tensorflow 1.1.0 np111py27_0 pkgs/free
tensorflow 1.1.0 np111py35_0 pkgs/free
tensorflow 1.1.0 np111py36_0 pkgs/free
tensorflow 1.1.0 np112py27_0 pkgs/free
tensorflow 1.1.0 np112py35_0 pkgs/free
tensorflow 1.1.0 np112py36_0 pkgs/free
tensorflow 1.2.1 py27_0 pkgs/free
tensorflow 1.2.1 py35_0 pkgs/free
tensorflow 1.2.1 py36_0 pkgs/free
tensorflow 1.3.0 0 pkgs/free
tensorflow 1.4.1 0 pkgs/main
tensorflow 1.5.0 0 pkgs/main
tensorflow 1.6.0 0 pkgs/main
tensorflow 1.7.0 0 pkgs/main
tensorflow 1.8.0 h01c6a4e_0 pkgs/main
tensorflow 1.8.0 h16da8f2_0 pkgs/main
tensorflow 1.8.0 h2742514_0 pkgs/main
tensorflow 1.8.0 h469b60b_0 pkgs/main
tensorflow 1.8.0 h57681fa_0 pkgs/main
tensorflow 1.8.0 h5c3c37f_0 pkgs/main
tensorflow 1.8.0 h645107b_0 pkgs/main
tensorflow 1.8.0 h7b2774c_0 pkgs/main
tensorflow 1.8.0 hb11d968_0 pkgs/main
tensorflow 1.8.0 hb1b1514_0 pkgs/main
tensorflow 1.8.0 hb381393_0 pkgs/main
tensorflow 1.8.0 hc2d9325_0 pkgs/main
tensorflow 1.9.0 eigen_py27hf386fcc_1 pkgs/main
tensorflow 1.9.0 eigen_py35h8c89287_1 pkgs/main
tensorflow 1.9.0 eigen_py36h8c89287_0 pkgs/main
tensorflow 1.9.0 eigen_py36hbec2359_0 pkgs/main
tensorflow 1.9.0 eigen_py36hbec2359_1 pkgs/main
tensorflow 1.9.0 eigen_py36hf386fcc_0 pkgs/main
tensorflow 1.9.0 gpu_py27h233f449_1 pkgs/main
tensorflow 1.9.0 gpu_py27h395d940_1 pkgs/main
tensorflow 1.9.0 gpu_py27hd3a791e_1 pkgs/main
tensorflow 1.9.0 gpu_py35h42d5ad8_1 pkgs/main
tensorflow 1.9.0 gpu_py35h60c0932_1 pkgs/main
tensorflow 1.9.0 gpu_py35hb39db67_1 pkgs/main
tensorflow 1.9.0 gpu_py36h02c5d5e_1 pkgs/main
tensorflow 1.9.0 gpu_py36h220e158_1 pkgs/main
tensorflow 1.9.0 gpu_py36h313df88_1 pkgs/main
tensorflow 1.9.0 mkl_py27h0cb61a4_1 pkgs/main
tensorflow 1.9.0 mkl_py35h5be851a_1 pkgs/main
tensorflow 1.9.0 mkl_py36h0cb61a4_0 pkgs/main
tensorflow 1.9.0 mkl_py36h5be851a_0 pkgs/main
tensorflow 1.9.0 mkl_py36h6d6ce78_0 pkgs/main
tensorflow 1.9.0 mkl_py36h6d6ce78_1 pkgs/main
tensorflow 1.10.0 eigen_py27ha0ab958_0 pkgs/main
tensorflow 1.10.0 eigen_py35h5ed898b_0 pkgs/main
tensorflow 1.10.0 eigen_py36hb995bb4_0 pkgs/main
tensorflow 1.10.0 gpu_py27h67ad7fe_0 pkgs/main
tensorflow 1.10.0 gpu_py27h6f941b3_0 pkgs/main
tensorflow 1.10.0 gpu_py27h9580370_0 pkgs/main
tensorflow 1.10.0 gpu_py35h566a776_0 pkgs/main
tensorflow 1.10.0 gpu_py35ha6119f3_0 pkgs/main
tensorflow 1.10.0 gpu_py35hd9c640d_0 pkgs/main
tensorflow 1.10.0 gpu_py36h8dbd23f_0 pkgs/main
tensorflow 1.10.0 gpu_py36h97a2126_0 pkgs/main
tensorflow 1.10.0 gpu_py36hcebf108_0 pkgs/main
tensorflow 1.10.0 mkl_py27h857755f_0 pkgs/main
tensorflow 1.10.0 mkl_py35heddcb22_0 pkgs/main
tensorflow 1.10.0 mkl_py36hdb377fd_0 pkgs/main
tensorflow 1.11.0 eigen_py27h06aee4b_0 pkgs/main
tensorflow 1.11.0 eigen_py36he3f7ef1_0 pkgs/main
tensorflow 1.11.0 gpu_py27h99ab47f_0 pkgs/main
tensorflow 1.11.0 gpu_py27hd8bfc1a_0 pkgs/main
tensorflow 1.11.0 gpu_py36h4459f94_0 pkgs/main
tensorflow 1.11.0 gpu_py36h9c9050a_0 pkgs/main
tensorflow 1.11.0 mkl_py27h25e0b76_0 pkgs/main
tensorflow 1.11.0 mkl_py36ha6f0bda_0 pkgs/main
tensorflow 1.12.0 eigen_py27hfe19c55_0 pkgs/main
tensorflow 1.12.0 eigen_py36hbd5f568_0 pkgs/main
tensorflow 1.12.0 gpu_py27h2a0f108_0 pkgs/main
tensorflow 1.12.0 gpu_py27h956c076_0 pkgs/main
tensorflow 1.12.0 gpu_py36he68c306_0 pkgs/main
tensorflow 1.12.0 gpu_py36he74679b_0 pkgs/main
tensorflow 1.12.0 mkl_py27hc55d17a_0 pkgs/main
tensorflow 1.12.0 mkl_py36h69b6ba0_0 pkgs/main
update 将conda包更新到最新的兼容版本。此命令接受包名列表,并将其更新为与环境中所有其他包兼容的最新版本。Conda试图安装所请求包的最新版本。为了实现这一点,它可能会更新一些已经安装的包,或者安装其他的包。要防止现有包更新,请使用—no-update-deps选项。这可能会迫使conda安装所请求包的旧版本,并且它不会阻止安装其他依赖包。如果您希望完全跳过依赖项检查,请使用“—force”选项。这可能会导致环境中出现不兼容的包,因此必须非常谨慎地使用此选项。
upgrade 与update相似,详见help