conda如何使用,conda是什么命令

  conda如何使用,conda是什么命令

  0.conda概述如果之前使用过pip和virtualenv,可以用Conda完成所有操作。pip是包管理器,virtualenv是环境管理器,Conda两种功能都有。

  

Task

Conda package and environment manager command

安装软件包conda安装$PACKAGE_NAME更新软件包conda更新-NAME $ENVIRONMENT_NAME $ PACKAGE _ NAME更新软件包管理器conda更新conda卸载软件包conda删除-NAME $ ENVIRONMENT _ NAME $ PACKAGE _ NAME创建环境conda创建- name $ENVIRONMEN T_NAME python激活环境源激活$ ENVIRONMENT _ NAME停用环境源停用搜索可用软件包conda sea rch $ SEARCH _ TERM从特定源安装软件包conda安装- channel $URL $PACKAGE_NAME 创建需求文件conda list - export List所有环境conda info - envs安装其他包管理器conda安装pip安装Pyth On conda安装python=x.x更新Pyth On conda更新python * 1。 python版本变更

  在使用Anaconda的过程中,我们经常会遇到这样的情况。目前我们默认下载安装的是Python3.6的anaconda3,但是TensorFlow等很多应用只很好的支持Python3.5,所以不得不更改Python版本。我们使用conda安装指令代替conda更新指令。

  (2017 . 5 . 2)注:此方法实测有个小bug。Python版本降低到3.5.3后,Spyder启动时,IPython控制窗口会报错,无法启动。经核实的回复是会在Spyder3.1.4中修复,但目前在conda的包源中还没有支持到3.1.4,强烈不建议使用pip和Cond。

  # Python3.6到3.5conda安装python=3.5.3

  2 .康达的环境管理康达的环境管理功能可以让我们同时安装几个不同版本的Python,并且可以自由切换。对于上面的安装过程,假设我们使用的是Python 2.7对应的安装包,那么Python 2.7就是默认环境(默认名称是root,请注意这个root并不代表超级管理员)。

  #创建一个名为python34的环境,指定python版本为3.4(不用担心3.4.x,conda会自动为我们找到3.4.x中的最新版本)。conda Create-name Python 34 Python=3.4 #安装后,使用Activate Python 34 # for Windows Source Activate Python 34 # for Linux Mac #激活一个环境。激活后,你会发现在终端的输入处增加了Python 34这个词。其实这个时候系统做的就是把默认的2.7环境从PATH中去掉,然后把3.4对应的命令添加到PATH#中。这时再输入python-version #就可以得到` Python 3.4.5: Anaconda 4.1.1 (64位) `也就是系统已经切换到3.4环境#如果想回到默认的python 2.7环境, 运行deactivate python 34 # for windows source deactivate python 34 # for Linux MAC #删除一个已有的环境conda remove - name python34 -用户安装的所有不同的python环境都会放在目录~/下anaconda/envs,可以在命令中运行conda info -e查看已安装的环境,当前激活的环境会用星号或括号显示。

  3 .康达清洁瘦身anaconda就像一个相对独立的生态。所有安装包都客观存在于anaconda的安装目录中,客观上占用了我们的硬盘空间。随着使用的包越来越多,伴随着一次次安装的依赖包也越来越多,Python的每个版本都对应着自己的一组包。比如Python3.5和3.6分别对应自己的完整包,anaconda文件夹的体积也越来越大。心血来潮想去看看。7.8G,我瞬间被吓到了。怎么解决?很简单!

  康达清洁可以轻松完成!第一步:通过conda clean -p p删除无用的包,这个命令会检查哪些包在包缓存的其他地方不是硬依赖的,并删除它们。第二步:康达省下的焦油包可以用康达clean -t T省下,经过以上两步,我的蟒蛇变成了4.3G,几乎瘦了一半。需要注意的一点是,conda clean命令是搜索anaconda下的所有包,包括其他Python环境中构建的包。这样效率还是很高的,不需要进入其他环境重复操作。

conda如何使用,conda是什么命令