Anaconda 常用命令

目录

• 包管理
• 环境管理
  • 共享环境设置
• jupyter notebook的配置
  • 在 jupyter notebook 中选择 conda 环境

包管理

1. 安装包 conda install xxx
   • conda install pandas ;
   • conda install pandas numpy ; 同时安装所有这些包；
   • conda install numpy=1.10 ; 制定所需的包版本；
   • conda install -n env_name numpy ; 在指定环境（env_name）中安装包
   • conda install nb_conda ; 安装 notebook 自动关联nb_conda 环境；
   • conda 会自动安装依赖项。例如，scipy 依赖于 numpy ,因为其使用并需要 numpy。故，在安装 scipy 时， 若未安装 numpy ，则会自动安装；
2. 搜索包
   • conda search numpy
3. 卸载包
   • conda remove xxx ;
   • conda remove -n env_name xxx; 卸载指定环境的包
4. 更新包
   • conda update xxx ;
   • conda update --all ;
   • conda update -n env_name xxx ; 更新指定环境的包
5. 换源命令
   • conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
   • 显示源地址：conda config --set show_channel_urls yes

环境管理

1. 创建环境
   • conda create --name env_name python=3.7 创建了一个名为 env_name 的 python3.7 环境
2. 列出环境（env）
   • conda env list ; 你所在的当前环境会有一个星号；
   • conda info --e ; 有同样的效果
3. 删除环境；
   • conda env remove -n env_name

共享环境设置

共享环境能让其他人安装你的代码中使用的所有包，并确保这些包的版本正确；

1. 导出当前环境

   • 命令：conda env export > environment.yaml 将当前的环境保存为 YAML 文件，包括python版本和所有包的名称；
   • conda env export 用于输出环境中的所有包的名称；
   • 在 Github 上共享代码时，最好同样创建环境文件并将其包括在代码库中。这能让别人安装你的代码的所有依赖项

2. YAML文件的使用

   activate tf-gpu;
   conda env update -f=/path/to/environment.yml ;
   # -f 表示你要到处文件的路径，故之后的要替换成为实际路径；
   

jupyter notebook的配置

在 jupyter notebook 中选择 conda 环境

1. 需要安装 conda install ipykernel
2. 激活对应的环境 activate Env-A
3. 将环境写入 notebook 的 kernel 中 python -m ipykernel install --user --name Env-A --display-name "Python(Env-A)"
4. 之后就可以在新建的 python 笔记本中看到这个环境