Conda的包管理

Conda的包管理

# 查看创建的虚拟环境
conda info -e
conda env list

# 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 python=3.4

# 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 Windows
source deactivate python34 # for Linux & Mac

# 删除一个已有的环境
conda remove --name python34 --all

# 安装好后，使用activate激活某个环境
activate python34 # for Windows
source 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

# 安装依赖包
conda install --yes --file requirements.txt
python3 -m pip install locustio 安装单个
pip3 install -r xxx.txt 安装依赖文件
pip install django==1.11.7 -i http://pypi.douban.com/simple --trusted-host pypi.douban.com

Conda的包管理

Conda的包管理就比较好理解了，这部分功能与pip类似。

例如，如果需要安装scipy：

# 安装scipy
conda 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packages
conda 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

conda的一些常用操作如下：

# 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package
conda 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package
conda update -n python34 numpy

# 删除package
conda remove -n python34 numpy

前面已经提到，conda将conda、python等都视为package，因此，完全可以使用conda来管理conda和python的版本，例如

# 更新conda，保持conda最新
conda update conda

# 更新anaconda
conda update anaconda

# 更新python
conda 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

补充：如果创建新的python环境，比如3.4，运行conda create -n python34 python=3.4之后，conda仅安装python 3.4相关的必须项，如python, pip等，如果希望该环境像默认环境那样，安装anaconda集合包，只需要：

# 在当前环境下安装anaconda包集合
conda install anaconda

# 结合创建环境的命令，以上操作可以合并为
conda create -n python34 python=3.4 anaconda
# 也可以不用全部安装，根据需求安装自己需要的package即可

设置国内镜像

如果需要安装很多packages，你会发现conda下载的速度经常很慢，因为Anaconda.org的服务器在国外。所幸的是，清华TUNA镜像源有Anaconda仓库的镜像，我们将其加入conda的配置即可：

# 添加Anaconda的TUNA镜像
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
# TUNA的help中镜像地址加有引号，需要去掉

# 设置搜索时显示通道地址
conda config --set show_channel_urls yes

执行完上述命令后，会生成~/.condarc(Linux/Mac)或C:UsersUSER_NAME.condarc文件，记录着我们对conda的配置，直接手动创建、编辑该文件是相同的效果。

跋

Anaconda具有跨平台、包管理、环境管理的特点，因此很适合快速在新的机器上部署Python环境。总结而言，整套安装、配置流程如下：

• 下载Anaconda、安装
• 配置PATH（bashrc或环境变量），更改TUNA镜像源
• 创建所需的不用版本的python环境
• Just Try!

cheat-sheet 下载：

Conda cheat sheet

1. 进入环境： activate python36
2. 退出环境： conda deactivate
3. 删除环境： conda reove --name python36 --all
   4.通常我们使用命令：conda create -n env_name python=x.x创建一个环境，
   但是此时环境默认  $HOME/.conda/envs/env_name，在激活这个环境的时候，
   可以使用命令：source activate env_name
   退出命令：source deactivate env_name但有时侯我们需要指定环境的路径，因此可以使用命令：conda create  -p /opt/environment/.conda/envs/env_name  python=2.7以上命令创建一个名字为env_name的环境。env_name可自定义，可以为keras, tensorflow, my_tensorflow等等。不同地，激活该环境使用如下命令：source activate   /opt/environment/.conda/envs/env_name 切记是环境的全路径，退出该环境的命令是：source deactivate env_name另外，使用命令如：conda install tensorflow-gpu可以自动安装关于tensorflow-gpu的依赖已经所需环境，如该版本的tensorflow-gpu对应的cudnn库文件。删除一个环境conda env remove -p /disk2/houjun/environment/.conda/envs/caffe或者conda env remove -n caffe