在本机开发完程序后,需要把程序移植到服务器之类的目标机上运行,或者分发给其余同事,经常会遇到第三方库管理,或者是不同项目之间用到的第三方库版本不一致,例如有时候需要tensorflow 1版本,有的时候希望用最新的2.3版本,这样导致了运行环境的管理复杂度,对于第三方库管理推荐通过Anaconda来解决这个痛点,通过不同的env解决环境配置问题。
1、Anaconda安装
Windows下傻瓜式安装,exe一步一步执行即可,在Linux下安装首先进入到anaconda官网下载linux版本:https://www.anaconda.com/download/#linux
进入到下载目录,然后bash命令,如:
bash Anaconda3-2020.07-Linux-x86_64.sh
然后一直按提示操作即可。
打开.bashrc文件:
vi ~/.bashrc
在.bashrc文件里面输入anconda的bin目录路径,如:
export PATH="/home/xxx/anaconda3/bin:$PATH"
配置了环境变量并不会生效,需要刷新才会生效。
source ~/.bashrc
查看anconda版本,验证是否安装成功。
conda --version
结果如下图所示:
2、conda的常用命令操作
# 创建一个名为python34的环境,指定Python版本是3.4(不用管是3.4.x,conda会为我们自动寻找3.4.x中的最新版本)conda create --name python34 pythnotallow=3.4
# 安装好后,使用activate激活某个环境activate python34 # for Windowssource activate python34 # for Linux & Mac# 激活后,会发现terminal输入的地方多了python34的字样,实际上,此时系统做的事情就是把默认2.7环境从PATH中去除,再把3.4对应的命令加入PATH
# 此时,再次输入python --version# 可以得到`Python 3.4.5 :: Anaconda 4.1.1 (64-bit)`,即系统已经切换到了3.4的环境
# 如果想返回默认的python 2.7环境,运行deactivate python34 # for Windowssource deactivate python34 # for Linux & Mac
# 删除一个已有的环境conda remove --name python34 --all
3、使用conda管理包
# 安装scipyconda install scipy# conda会从从远程搜索scipy的相关信息和依赖项目,对于python 3.4,conda会同时安装numpy和mkl(运算加速的库)# 查看已经安装的packagesconda list# 最新版的conda是从site-packages文件夹中搜索已经安装的包,不依赖于pip,因此可以显示出通过各种方式安装的包# 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 python34# 查找package信息conda search numpy# 安装packageconda install -n python34 numpy# 如果不用-n指定环境名称,则被安装在当前活跃环境# 也可以通过-c指定通过某个channel安装# 更新packageconda update -n python34 numpy# 删除packageconda remove -n python34 numpy# 更新conda,保持conda最新conda update conda# 更新anacondaconda update anaconda# 更新pythonconda update python# 假设当前环境是python 3.4, conda会将python升级为3.4.x系列的当前最新版本
注意:在以上的使用过程中你会发现使用conda下载包的速度非常的慢,因为使用的是国外的服务器,所以这里要设置为国内的镜像。使用下面的配置命令即可:
4、配置第三方库下载源
windows下
在清华源和中科大源之间自行选择
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
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/conda config --set show_channel_urls yes
Linux下
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/ - defaultsshow_channel_urls: true
5、pycharm中使用anaconda这里讲下在pycharm上anaconda的配置:
在Pycharm的Files>>settings>>Project Interpreter>>Add local 里面添加Anaconda python.exe. 应用之后就可以调用各种Anaconda的库啦,如果下载了其他版本的python,将envs中的python.exe也添加到Project Interpreter 中,在需要的时候进行切换就可以了
如下面的图片所示:
6、pip和conda批量导出、安装第三方依赖库(requirements.txt)
pip批量导出包含环境中所有组件的requirements.txt文件
pip freeze > requirements.txt
pip批量安装requirements.txt文件中包含的组件依赖
pip install -r requirements.txt
conda批量导出包含环境中所有组件的requirements.txt文件
conda list -e > requirements.txt
conda批量安装requirements.txt文件中包含的组件依赖
conda install --yes --file requirements.txt标签:cn,Python,python34,--,conda,https,anaconda,Pip,Conda From: https://blog.51cto.com/domi/5734266