conda是一个多版本python包管理器,分为Anconda和Miniconda两种
bashwget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh
bashbash Miniconda3-latest-Linux-x86_64.sh
按照提示进行操作,可以选择安装路径,默认路径是 $HOME/miniconda3
。
3. 初始化Conda:
安装过程中会询问是否要初始化Miniconda,建议选择“yes”。这将把Conda添加到你的shell配置文件中(如 .bashrc
或 .zshrc
),使得每次启动终端时自动激活Conda环境。
bashsource ~/.bashrc # 或者 source ~/.zshrc 如果你使用的是Zsh
bashwget https://repo.anaconda.com/archive/Anaconda3-2023.09-2-Linux-x86_64.sh
bashbash Anaconda3-2023.09-2-Linux-x86_64.sh
按照提示进行操作,选择安装路径等选项。 3. 初始化Conda: 类似于Miniconda的安装过程,确保选择初始化Anaconda以将其添加到你的shell配置文件中。
更新shell配置: 同样地,如果需要,手动更新shell配置文件:
bashsource ~/.bashrc # 或者 source ~/.zshrc 如果你使用的是Zsh
下载Miniconda安装脚本: 打开终端并运行以下命令来下载适用于Linux的Miniconda安装脚本:
bashwget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh
运行安装脚本: 下载完成后,通过以下命令运行安装脚本:
bashbash Miniconda3-latest-Linux-x86_64.sh
按照提示进行操作,选择安装路径,默认路径是 $HOME/miniconda3
。
3. 初始化Conda:
装过程中选择初始化Miniconda以将其添加到你的shell配置文件中。
bashsource ~/.bashrc # 或者 source ~/.zshrc 如果你使用的是Zsh
bashwget https://repo.anaconda.com/archive/Anaconda3-2023.09-2-Linux-x86_64.sh
bashbash Anaconda3-2023.09-2-Linux-x86_64.sh
按照提示进行操作,选择安装路径等选项。 3. 初始化Conda: 确保选择初始化Anaconda以将其添加到你的shell配置文件中。
bashsource ~/.bashrc # 或者 source ~/.zshrc 如果你使用的是Zsh
Miniconda3-latest-Windows-x86_64.exe
)。.exe
文件。C:\Users\<YourUsername>\Miniconda3
,你可以根据需要更改路径。bashC:\Users\<YourUsername>\Miniconda3\Scripts\conda init
Anaconda3-<version>-Windows-x86_64.exe
)。.exe
文件。C:\Users\<YourUsername>\Anaconda3
,你可以根据需要更改路径。bashC:\Users\<YourUsername>\Anaconda3\Scripts\conda init
无论你安装的是Miniconda还是Anaconda,都可以通过以下步骤验证安装是否成功:
bashconda --version
你可以创建和管理不同的Conda环境,以便更好地组织和隔离不同项目的依赖关系。例如,创建一个名为myenv
的新环境:
bashconda create --name myenv python=3.9
激活新创建的环境:
bashconda activate myenv
创建一个新的名为 myenv
的环境,并指定 Python 版本:
bashconda create --name myenv python=3.8
创建环境时同时安装特定包:
bashconda create --name myenv python=3.8 numpy pandas
激活名为 myenv
的环境:
bashconda activate myenv
停用当前活动的环境(返回到 base 环境):
bashconda deactivate
查看所有已创建的环境:
bashconda env list
或者:
bashconda info --envs
删除名为 myenv
的环境:
bashconda env remove --name myenv
在当前环境中查看已安装的所有包:
bashconda list
numpy
):bashconda install numpy
在特定环境中安装包:
bashconda install --name myenv numpy
numpy
):bashconda update numpy
更新所有包:
bashconda update --all
numpy
):bashconda remove numpy
numpy
):bashconda search numpy
environment.yml
文件:bashconda env export > environment.yml
environment.yml
文件创建新的环境:bashconda env create -f environment.yml
bashconda update conda
假设你有一个名为 myproject
的环境,想将其导出:
bashconda activate myproject
conda env export > environment.yml
然后在另一台机器上根据这个文件重新创建相同的环境:
bashconda env create -f environment.yml
.condarc
配置文件你还可以通过编辑 ~/.condarc
文件来配置 Conda 的默认设置,如镜像源、通道优先级等。例如,添加国内镜像源以加快下载速度:
yamlchannels:
- defaults
show_channel_urls: true
default_channels:
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free
custom_channels:
conda-forge: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
msys2: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
bioconda: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
menpo: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
pytorch: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
simpleitk: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
这些是 conda
的一些基本使用方法。通过 conda
,你可以更方便地管理和维护不同项目的 Python 环境,确保每个项目都能使用最合适的依赖版本。
注
文章如有错误,还望留言指正
参考资料 来自ai生成