服务器中的conda环境

写在最前面

使用全功能的anaconda，可以用conda控制同包环境，同时装py27和py35两个版本。

最近经常用服务器的conda，总结一下命令方便调用

参考：https://blog.csdn.net/Tianweidadada/article/details/80150056
https://blog.csdn.net/weixin_41466947/article/details/107377071

原文发布时间：2022-12-09 14:24:59
质量分过低，因此进行完善

原文

conda activate pytorch1.12_gpu
（X）conda install sklearn
（√）conda install scikit-learn

conda环境配置

查看当前系统下的环境：

conda info -e

创建新的环境：

# 指定python版本为3.8，注意至少需要指定python版本或者要安装的包# 后一种情况下，自动安装最新python版本
conda create -n env_name python=3.8
# 同时安装必要的包
conda create -n env_name numpy matplotlib python=2.7

进入虚拟环境：

conda activate pytorch1.12_gpu

退出虚拟环境：

conda deactivate

环境切换

# 切换到新环境# linux/Mac下需要使用source activate env_name
activate env_name

退出环境，也可以使用activate root切回root环境

deactivate env_name

环境增删改查

查看虚拟环境：

conda env list

conda克隆环境

conda create --name B --clone A

conda删除环境

conda remove --name B --all
conda remove -n env_name --all

conda重命名环境

conda create --name B --clone A
conda remove --name A --all

包管理

给某个特定环境安装package有两个选择，一是切换到该环境下直接安装，二是安装时指定环境参数-n

activate env_nameconda install pandas

# 安装anaconda发行版中所有的包
conda install anaconda
conda install -n env_name pandas

查看已经安装的package

conda list

# 指定查看某环境下安装的package
conda list -n env_name

查找包

conda search pyqtgraph

更新包

conda update numpy
conda update anaconda

卸载包

conda remove numpy

设置国内镜像

恢复默认源

conda config --remove-key channels

将anaconda换一下源（加入清华源）

vi ~/.condarc

把channels里面的https改成http
这个是网络安全的原因，https协议是有安全性的ssl加密传输协议，是浏览器和服务器之间的通信加密，这样来确保传输的安全。

auto_activate_base: false
channels:
  - http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch
  - http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
  - http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
  - defaults
show_channel_urls: true
default_channels:
  - http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
  - http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free
  - http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r
custom_channels:
  conda-forge: http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  msys2: http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  bioconda: http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  menpo: http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  pytorch: http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  simpleitk: http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud

清除缓存

为了保证用的是镜像站提供的索引，清除索引缓存，输入：

conda clean -i 

根据不同要求得到命令后，要把-c pytorch去掉，才会去自己添加的镜像源下载

pycharm包更新

最简单方法, pip安装之后, 点击右下角状态栏里的python解释器, 重新点击当前的python解释器,这时候会触发重建索引即index, 远程的包会下载到本地

完善

当在服务器上进行数据科学、机器学习或深度学习工作时，使用conda环境是一种有效的方式，它可以帮助您管理不同项目所需的不同Python环境、依赖包和软件。在本博客中，我们将介绍服务器中的conda环境以及相关操作，包括创建、激活、管理和共享conda环境。让我们深入了解吧。

什么是conda环境？

conda是一个强大的包管理工具，它可以用于创建、部署和管理各种环境和软件包。conda环境是Python环境的独立容器，每个环境都有自己的Python版本、依赖包和库。这使得conda成为在服务器上同时管理多个项目的理想工具。

安装conda

如果您的服务器上尚未安装conda，可以按照以下步骤进行安装：

1. 首先，下载conda的安装脚本（以Miniconda为例，它是一个精简版的conda发行版）：

   wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh
   

2. 接着，运行安装脚本并按照提示进行安装：

   bash Miniconda3-latest-Linux-x86_64.sh
   

3. 在安装过程中，需要回答一些配置问题，如安装路径等。

4. 安装完成后，运行以下命令以使更改生效：

   source ~/.bashrc
   

现在，conda已经安装在您的服务器上了。

创建conda环境

要创建一个新的conda环境，可以使用以下命令：

conda create --name myenv python=3.7

上述命令将创建一个名为myenv的conda环境，并在其中安装Python 3.7。您可以根据项目需求选择不同的Python版本。

激活和退出conda环境

要激活conda环境，可以使用以下命令：

conda activate myenv

这将激活名为myenv的环境。在激活环境后，您的命令行提示符将显示环境名称，表示您已进入该环境。

要退出当前的conda环境，可以使用以下命令：

conda deactivate

管理conda环境

安装依赖包

在激活的conda环境中，您可以使用conda或pip来安装所需的Python依赖包。例如，要安装numpy和pandas，可以运行以下命令：

conda install numpy pandas

查看环境列表

要查看服务器上所有可用的conda环境，可以运行以下命令：

conda env list

这将列出所有已创建的环境。

复制环境

您还可以克隆或复制现有的conda环境，以便在不同项目中重复使用相同的环境配置。要复制环境，可以运行以下命令：

conda create --name newenv --clone myenv

这将创建一个名为newenv的环境，其配置与myenv相同。

移除环境

如果不再需要某个conda环境，可以使用以下命令将其删除：

conda env remove --name myenv

共享conda环境

如果您需要在不同的服务器或与他人共享conda环境，可以通过导出和导入环境配置来实现。以下是如何执行这些操作的简要说明：

导出环境配置

要导出conda环境的配置，可以运行以下命令：

conda env export --name myenv > myenv.yml

这将创建一个名为myenv.yml的YAML文件，其中包含了该环境的配置信息。

导入环境配置

要在另一个服务器上或与他人共享环境配置，可以运行以下命令：

conda env create -f myenv.yml

这将根据YAML文件中的配置信息创建一个新的conda环境。

结语

conda环境是服务器上管理Python项目的强大工具。通过创建、激活、管理和共享conda环境，您可以轻松地处理不同项目的依赖关系，确保项目之间的隔离，并有效地利用服务器资源。希望这篇博客能够帮助您更好地理解和使用conda环境。