pythonconda配置python项目环境Conda常用命令

并不是所有现成项目都会在README.MD上手把手教你运行的步骤，而且很多时候，就算把要求的包都安装了一样运行失败。

1.Conda安装

你需要一个用于管理python环境的工具，它就是conda，安装了可跳过。

1.1 Conda安装

# Conda installation

# For Linux
curl -o ~/miniconda.sh -O https://repo.continuum.io/miniconda/Miniconda3-latest-Linux-x86_64.sh

# For OSX
curl -o ~/miniconda.sh -O https://repo.continuum.io/miniconda/Miniconda3-latest-MacOSX-x86_64.sh

chmod  x ~/miniconda.sh    
./miniconda.sh  

source ~/.bashrc          # For Linux
source ~/.bash_profile    # For OSX

Windows还用什么命令行，直接搜索conda安装

1.2 指定镜像源

建议如果下载速度真的很慢再指定源

1.2.1 添加清华源

命令行中直接使用以下命令

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge 
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/

设置搜索时显示通道地址

conda config --set show_channel_urls yes

1.2.2 添加中科大源

conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/main/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/conda-forge/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/msys2/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/bioconda/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/menpo/

1.2.3 Linux下

conda config --set show_channel_urls yes

将以上配置文件写在~/.condarc中

vim ~/.condarc

channels:

 - https://mirrors.ustc.edu.cn/anaconda/pkgs/main/
  - https://mirrors.ustc.edu.cn/anaconda/cloud/conda-forge/
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
  - defaults

2.Conda常用命令

• conda --version 或 conda -V #查看conda版本，验证是否安装
• conda update conda #更新至最新版本，也会更新其它相关包

2.1 环境相关操作

• conda create -n env_name package_name #创建名为env_name的新环境，并在该环境下安装名为package_name 的包，可以指定新环境的版本号，例如：
  conda create -n python2 python=python2.7 numpy pandas # -n 全称为 --name
  创建了python2环境，python版本为2.7，同时还安装了numpy pandas包

2.2 操作环境中的包

2.3 tensorflow相关

• conda create -n tensorflow_env tensorflow

• conda activate tensorflow_env #conda 安装tensorflow的CPU版本

• conda create -n tensorflow_gpuenv tensorflow-gpu

• conda activate tensorflow_gpuenv #conda安装tensorflow的GPU版本

3.运行已有python项目

打开命令行，切换到存储项目文件的目录
以下为windows操作

E:           #切换到E盘
dir    #查看当前目录结构
cd project_file  #打开项目目录

大部分时候，python项目会有一个环境配置文件，也许命名为 environment.yml，requirements.txt 等等，用记事本打开，可以看到诸如下列内容：

alive-progress==1.6.2
beautifulsoup4==4.9.3
bs4==0.0.1
Js2Py==0.71

3.1 txt环境文件

假设是有requirements.txt 文件，则先创建环境（最好指定python版本）

conda create -n envname python=3.8

激活环境

conda activate envname

根据txt文件批量安装

pip install -r requirements.txt

3.2 yml环境文件

1. 假设有environment.yml文件，则一般已经在里面指定了环境名称和python版本（可以打开看看）

诸如以下

name: benchmark_gnn
channels:
- pytorch 
- dglteam
- conda-forge
- anaconda
- defaults
dependencies:
- python=3.7.4
- python-dateutil=2.8.0
- pip=19.2.3
- pytorch=1.3

一般切换目录后直接

conda env create -f environment.yml

然后激活环境

conda activate envname

2. 自己的项目也可以导出类似的文件

conda env export > environment.yaml

这篇好文章是转载于：学新通技术网