conda-多环境配置
2018-03-05 22:16
97 查看
anaconda 能带你去任何地方,今天带大家一起窥一窥conda的多环境配置。
这里先解释下conda、anaconda这些概念的差别。conda可以理解为一个工具,也是一个可执行命令,其核心功能是包管理与环境管理。包管理与pip的使用类似,环境管理则允许用户方便地安装不同版本的python并可以快速切换。Anaconda则是一个打包的集合,里面预装好了conda、某个版本的python、众多packages、科学计算工具等等,所以也称为Python的一种发行版。其实还有Miniconda,顾名思义,它只包含最基本的内容——python与conda,以及相关的必须依赖项,对于空间要求严格的用户,Miniconda是一种选择。
进入下文之前,说明一下conda的设计理念——conda将几乎所有的工具、第三方包都当做package对待,甚至包括python和conda自身!因此,conda打破了包管理与环境管理的约束,能非常方便地安装各种版本python、各种package并方便地切换。
这里我已经安装了TensorFlow,所以显示了一个TensorFlow的环境。conda的默认环境就是root。
其实这样我们就能同时根据不同的python版本,安装多个TensorFlow,==但是要注意环境的名字不同重了==。
==这里我们就可以自动配置不同的虚拟环境,需要哪个就激活哪个==。
<个人网页blog已经上线,一大波干货即将来袭:https://faiculty.com/>
/* 版权声明:公开学习资源,只供线上学习,不可转载,如需转载请联系本人 .*/
QQ交流群:451429116
1. anaconda概述
Anaconda是一个用于科学计算的Python发行版,支持 Linux, Mac, Windows系统,提供了包管理与环境管理的功能,可以很方便地解决多版本python并存、切换以及各种第三方包安装问题。Anaconda利用工具/命令conda来进行package和environment的管理,并且已经包含了Python和相关的配套工具。这里先解释下conda、anaconda这些概念的差别。conda可以理解为一个工具,也是一个可执行命令,其核心功能是包管理与环境管理。包管理与pip的使用类似,环境管理则允许用户方便地安装不同版本的python并可以快速切换。Anaconda则是一个打包的集合,里面预装好了conda、某个版本的python、众多packages、科学计算工具等等,所以也称为Python的一种发行版。其实还有Miniconda,顾名思义,它只包含最基本的内容——python与conda,以及相关的必须依赖项,对于空间要求严格的用户,Miniconda是一种选择。
进入下文之前,说明一下conda的设计理念——conda将几乎所有的工具、第三方包都当做package对待,甚至包括python和conda自身!因此,conda打破了包管理与环境管理的约束,能非常方便地安装各种版本python、各种package并方便地切换。
2. conda多环境配置
conda的强大之处在于多环境的配置,大家都知道,在python使用中比较头疼的地方就是多环境的使用了,可能运行不同的代码需要不同的环境。conda能轻松的解决这个问题。conda提供env类似于虚拟环境的方法,用户可以先自行配置不同的envs,然后根据不同代码激活不同envs。下面我们将从最熟知的TensorFlow讲起。2.0 conda的envs
首先我们先看看conda的envs,在命令行输入以下命令。> conda info -e #出现以下结果
aaaa@bbbb:~/TF_Deformable_Net$ conda info -e # conda environments: # tensorflow /home/aaaa/soft/anaconda2/envs/tensorflow root * /home/aaaa/soft/anaconda2
这里我已经安装了TensorFlow,所以显示了一个TensorFlow的环境。conda的默认环境就是root。
2.1 TensorFlow安装
TensorFlow安装时我们先建立一个TensorFlow的环境。# Python 2.7 $ conda create -n tensorflow python=2.7 # Python 3.4 $ conda create -n tensorflow python=3.4 # Python 3.5 $ conda create -n tensorflow python=3.5
其实这样我们就能同时根据不同的python版本,安装多个TensorFlow,==但是要注意环境的名字不同重了==。
# 然后我们激活TensorFlow的环境 > source activate tensorflow # 这个时候我们which看一下,发现python已经切换到TensorFlow的python aaaa@bbbb:~$ aaaa@bbbb:~$ which python /home/aaaa/soft/anaconda2/bin/python aaaa@bbbb:~$ aaaa@bbbb:~$ source activate tensorflow (tensorflow) aaaa@bbbb:~$ (tensorflow) aaaa@bbbb:~$ (tensorflow) aaaa@bbbb:~$ which python /home/aaaa/soft/anaconda2/envs/tensorflow/bin/python (tensorflow) aaaa@bbbb:~$ (tensorflow) aaaa@bbbb:~$ # 不需要了就退出 > source deactivate tensorflow
==这里我们就可以自动配置不同的虚拟环境,需要哪个就激活哪个==。
3. conda 相关命令
# 查看当前环境下已安装的包 conda list # 查看某个指定环境的已安装包 conda list -n tensorflow # 查找package信息 conda search numpy # 安装package conda install -n tensorflow numpy # 如果不用-n指定环境名称,则被安装在当前激活环境 # 也可以通过-c指定通过某个channel安装 # 更新package conda update -n TensorFlow numpy # 删除package conda remove -n TensorFlow numpy # 删除一个已有环境 conda remove --name tensorflow --all
参考文献
[1] https://www.jianshu.com/p/2f3be7781451#<个人网页blog已经上线,一大波干货即将来袭:https://faiculty.com/>
/* 版权声明:公开学习资源,只供线上学习,不可转载,如需转载请联系本人 .*/
QQ交流群:451429116
相关文章推荐
- 【网络爬虫】-WP0001-Anaconda_Python2_Python3_conda_Pip_pycharm环境配置
- jupyter notebook conda Ipython环境配置for ML
- Python环境配置(1):为anaconda包管理器conda,添加清华大学库源
- 2010_9_6_RIP_在简单网络环境中配置动态路由RIP
- win7下配置ASP/ASP.NET环境
- win7系统如何配置adb环境变量 图文详解win7配置adb环境变量的方法
- sharepoint2007开发环境配置
- 零基础安装Linux mint与windows 7双系统 以及Linux相关环境的配置
- Mac 下 java1.8环境 maven环境配置
- 【转载】配置Editplus的PHP调试环境
- CentOS环境下vim配置(有图)
- Windows下利用MinGW配置GCC纯净编译环境的简单方法
- Servlet第一章 Servlet简介及环境配置
- 阿里云ubuntu服务器环境配置
- 管道符和作业控制,shell变量,环境变量配置
- linux 环境配置文
- Java Web开发环境配置
- 搭建target开发环境时,如何配置TFTP Server。
- 工作中常用到的linux命令二 c++系统环境配置 动态库文件路径的加载
- 使用 Linux 作为服务器,Windows 作为开发机环境配置