Anaconda环境下的基本操作
创建环境
对于Anaconda,如果我们既想要使用Python3又想要使用Python2或其他Python3版本,Anaconda便是我们最好的选择
conda create -n 环境名 python=版本(例如3.6,3.7)
将会安装指定版本python的环境
查看已有环境
conda info --envs
conda info -e
可以查看目前Anaconda已经创建的环境,之后对于某一个环境的操作我们可以切换(激活)该环境
激活某个环境
source activate 环境名字
退出当前环境进入默认环境
conda deactivate 环境名字
查看当前环境下安装的包
conda list
conda list -n 环境名
查看指定环境下的安装的包的版本
当前环境下安装包
对于某个环境下安装某个第三方库,我们需要激活该环境,之后就可以使用conda和pip命令来对当前激活的环境进行操作,注意:此时pip操作的便是我们激活的环境哦!
source activate 环境名
例如:以安装numpy为例
conda install numpy
pip install numpy
删除环境
conda remove -n 环境名 --all
来删除指定的环境,(如果不添--all参数,而是指明某个库名,则是删除该库)
导出环境安装包
对于某些环境我们可能部署了对应的项目,如何将该环境导出,便于其他人快速安装部署项目
conda env export > py36.yaml
利用导出的环境安装包部署对应的环境
conda env create -f 环境安装包名字
重命名环境
Anaconda中没有重命名环境,只能通过clone 到命名的新名字的环境来实现
conda create -n 新环境名字 --clone 旧环境名字
文件如下所示
name: udacity
channels:
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
- defaults
dependencies:
- _tflow_select=2.3.0=mkl
- absl-py=0.7.1=py27_0
- astor=0.8.0=py27_0
- backports=1.0=py_2
- backports.functools_lru_cache=1.5=py_2
- backports.weakref=1.0.post1=py_1
- backports_abc=0.5=py27h6972548_0
- blas=1.0=mkl
- c-ares=1.15.0=h1de35cc_1001
- ca-certificates=2019.5.15=1
- certifi=2019.6.16=py27_1
- cycler=0.10.0=py27hfc73c78_0
- enum34=1.1.6=py27_1
- freetype=2.9.1=hb4e5f40_0
- funcsigs=1.0.2=py27hb9f6266_0
- functools32=3.2.3.2=py27_1
- future=0.17.1=py27_0
- futures=3.3.0=py27_0
- gast=0.2.2=py27_0
- grpcio=1.16.1=py27h044775b_1
- h5py=2.9.0=py27h3134771_0
- hdf5=1.10.4=hfa1e0ec_0
- intel-openmp=2019.4=233
- keras-applications=1.0.8=py_0
- keras-preprocessing=1.1.0=py_1
- kiwisolver=1.1.0=py27h0a44026_0
- libcxx=4.0.1=hcfea43d_1
- libcxxabi=4.0.1=hcfea43d_1
- libedit=3.1.20181209=hb402a30_0
- libffi=3.2.1=h475c297_4
- libgfortran=3.0.1=h93005f0_2
- libpng=1.6.37=ha441bb4_0
- libprotobuf=3.8.0=hd9629dc_0
- linecache2=1.0.0=py27_0
- markdown=3.1.1=py27_0
- matplotlib=2.2.3=py27h54f8f79_0
- mkl=2019.4=233
- mkl-service=2.0.2=py27h1de35cc_0
- mkl_fft=1.0.14=py27h5e564d8_0
- mkl_random=1.0.2=py27h27c97d8_0
- mock=3.0.5=py27_0
- ncurses=6.1=h0a44026_1
- numpy=1.16.4=py27hacdab7b_0
- numpy-base=1.16.4=py27h6575580_0
- openssl=1.1.1c=h1de35cc_1
- pip=19.2.2=py27_0
- protobuf=3.8.0=py27h0a44026_0
- pyparsing=2.4.2=py_0
- python=2.7.16=h97142e2_5
- python-dateutil=2.8.0=py27_0
- pytz=2019.2=py_0
- readline=7.0=h1de35cc_5
- scikit-learn=0.20.3=py27h27c97d8_0
- scipy=1.2.1=py27h1410ff5_0
- setuptools=41.0.1=py27_0
- singledispatch=3.4.0.3=py27he22c18d_0
- six=1.12.0=py27_0
- sqlite=3.29.0=ha441bb4_0
- subprocess32=3.5.4=py27h1de35cc_0
- tensorboard=1.14.0=py27h02c06f8_0
- tensorflow=1.14.0=mkl_py27hcc9de3b_0
- tensorflow-base=1.14.0=mkl_py27h445f0f8_0
- tensorflow-estimator=1.14.0=py_0
- termcolor=1.1.0=py27_1
- tk=8.6.8=ha441bb4_0
- tornado=5.1.1=py27h1de35cc_0
- traceback2=1.4.0=py27_0
- unittest2=1.1.0=py27_0
- werkzeug=0.15.5=py_0
- wheel=0.33.4=py27_0
- wrapt=1.11.2=py27h1de35cc_0
- zlib=1.2.11=h1de35cc_3
prefix: /Users/yirufeng/anaconda3/envs/udacity