Conda Guide

Conda简介

conda是一个包，依赖和环境管理工具，实用于多种语言，如: Python, R, Scala, Java, Javascript, C/ C++, FORTRAN。

利用场景：比方在A服务器开发了一个利用，装置了N个包。当初要迁徙到B服务器，又要重新安装一遍，还不晓得A服务器上哪些包是必须的。conda就是解决这种问题，把该利用须要的包都装置到利用所在的环境中，迁徙的时候，只有把环境导出，再导入到B环境即可。

Conda的装置

装置过程

windows的装置就不演示了，间接在网上搜miniconda安装包，而后一路点下一步即可装置实现。

下边解说linux下的装置

创立condarc.mirror文件

channels:  - conda-forge  - bioconda  - defaultsshow_channel_urls: truedefault_channels:  - https://mirrors.bfsu.edu.cn/anaconda/pkgs/main  - https://mirrors.bfsu.edu.cn/anaconda/pkgs/r  - https://mirrors.bfsu.edu.cn/anaconda/pkgs/msys2custom_channels:  conda-forge: https://mirrors.bfsu.edu.cn/anaconda/cloud  msys2: https://mirrors.bfsu.edu.cn/anaconda/cloud  bioconda: https://mirrors.bfsu.edu.cn/anaconda/cloud  menpo: https://mirrors.bfsu.edu.cn/anaconda/cloud  pytorch: https://mirrors.bfsu.edu.cn/anaconda/cloud  simpleitk: https://mirrors.bfsu.edu.cn/anaconda/cloud
curl -L -o /tmp/miniconda.sh https://repo.anaconda.com/miniconda/Miniconda3-py39_4.11.0-Linux-x86_64.sh/bin/bash /tmp/miniconda.sh -b -p /opt/condarm /tmp/miniconda.shconda clean -tipsyfind /opt/conda -follow -type f -name '*.a' -deletefind /opt/conda -follow -type f -name '*.pyc' -deleteconda clean -afycp ./condarc.mirror /root/.condarc

更新conda

conda update conda

镜像服务器

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/freeconda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forgeconda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/biocondaconda config --set show_channel_urls yes# 执行完上述命令后，会在Users目录生成.condarc

环境治理

查看所有环境

conda env list

新建环境

conda create --name [name] python_or_othersps: conda create --name FastAPI python=3.9.12

进入环境

conda activate env_name

退出环境

conda deactivate

删除环境

conda remove -n env_name --all

复制环境

conda create --clone ENVNAME --name NEWENV

package治理

列出package

conda list

列出指定环境中的所有软件包

conda list -n myenv

装置package

pip install xxxx 或者 conda install xxxxps:pip install tensorflow

如果不必-n指定环境名称，则被装置在以后沉闷环境，也能够通过-c指定通过某个channel装置

conda install (-n python34) numpy

更新package

conda update (-n python34) numpy

卸载package

conda remove/uninstall package_name

查找package信息

conda search (-n python34) numpy

更新目前环境所有package

conda update --all

导出以后环境的package信息

conda env export > environment.yaml

革除缓存

删除索引缓存、锁定文件、未应用的缓存包和tarball(压缩包).

conda clean -a

环境的复制

  • 留神：yaml的形式，很耗费资源，系统配置至多要2核4G以上，且yaml的package不能过多，否则会被killed

1、导出环境

conda env export > environment.yaml

文件内容示例

name: kyle channels:  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge  - https://repo.anaconda.com/pkgs/main  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/menpo/  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/bioconda/  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/  - defaults dependencies:  - _pytorch_select=0.2=gpu_0  - pip:    - opencv-python==4.1.2.30

2、导入环境

conda env create -f environment.yaml

3、Clone环境

conda env update -n my_env --file ENV.yaml