Anaconda常用命令收藏----后期还会更新

一、更换jupyter notobook的打开目录

一般载在安装好Anaconda的时候，打开jupyter指向的目录一般是系统的根目录，如C:Users25282，但是这样的话对C盘是个不小的负荷，特别是对个人PC来说，于是我们就可以把它指向的目录更改为其他盘。

1. 首先要找到配置文件位置。

　　在开始菜单里找到并打开Anaconda Prompt，输入如下命令，然后执行。

jupyter notebook --generate-config

　　　

2. 打开上一步生成的配置文件:

　　在上图里面找到配置文件的目录，以我为例，C:Users25282.jupyterjupyter_notebook_config.py

　　　

3. 更改配置文件

　　找到第214行，删除前面的 # 号，在后面的单引号里输入要设置的目录路径，保存关闭。我的修改: c.NotebookApp.notebook_dir = 'E:\Users\xiaow'，注意在windows下的话需要两个斜杠。

 　　　

4. 修改快捷方式

　　在win开始菜单中找到jupyter notebook快捷图标，鼠标右键>>属性>>快捷方式>>目标，删除最后的 "%USERPROFILE%/" 。如下图所示　　

　　　

 　　　

5. 配置完成

　　现在单击刚修改的jupyter notebook快捷图标，打开的jupyter 就是刚配置的目录。

二、虚拟环境管理

参考博客：https://blog.csdn.net/weixin_39746008/article/details/99616887

查看虚拟环境

conda env list

 　　

下面列举出最常用的一些conda命令

创建虚拟环境(python3.7)

conda create -n <env_name> python=3.7

进入/激活该环境

conda activate <env_name>

退出该环境

conda deactivate

删除该环境（应退出待删除环境）

conda remove -n <env_name> --all

列出所有环境

conda info --envs
conda env list

复制环境

conda create -n <new_env_name> --clone <old_env_name>

重命名环境

conda create -n <new_env_name> --clone <old_env_name>
conda remove -n <old_env_name> --all

导出以及加载环境，首先要激活待导出的环境，然后执行

conda env export > env_name.yml # 导出
conda env create -f env_name.yml # 在另一台设备加载环境

可以用各种conda命令管理虚拟环境下的API

conda install <pkg_name> # 安装库
conda install <pkg_name>==<版本号> # 安装指定版本的库
conda install -c <库的链接> # 从指定链接安装库
conda update <pkg_name> # 更新库
conda update --all # 更新所有库
conda unistall <pkg_name> # 卸载库
conda list # 查看所有第三方库
conda list -n <env_name> # 查看指定环境的所有库

管理源，.condarc(conda配置文件)一般存放在用户的根目录下

　　

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main # 添加清华镜像
conda config --set show_channel_urls yes # 设置搜索时显示通道url
conda config --remove channels <url> # 移除源
conda config --remove-key channels # 换回默认源

三、添加扩展插件

步骤一：安装扩展包 jupyter_contrib_nbextensions

pip install jupyter_contrib_nbextensions 

步骤二：配置 nbextensions

jupyter contrib nbextension install --user

步骤三：重新启动Jupyter Notebook 

　　

需要哪些扩展功能的话就把对应的框勾选上就行了。

　　

最后会在jupyter中出现我们添加的扩展插件的图标，如上图所示。

四、更改内核

如果说在服务器上有多个anaconda的虚拟环境，这些环境属于不同的人，那么在jupyter中可以更改kernel来达到使用自己的虚拟环境的目的。

jupyter更换kernel实际上就是给jupyter代码换一个python解释器或者叫执行环境，这里列出两种方法，第一种简单粗暴，更改配置文件信息，使得打开jupyter默认即是你在配置文件中写的那个python解释器；第二种是把python环境添加进jupyter的kernel列表中，这样可以在使用jupyter的过程中随意更换；推荐第二种方法。

方法一：

　　首先activate你要添加的python环境，在此环境下安装ipykernel

conda install ipykernel 

　　使用命令jupyter kernelspec list命令可以查看当前的kernel及其地址，如下图所示：

　　　

　　删除指定 kernel

jupyter kernelspec remove kernel_name

　　然后在上图中找到相对应的文件夹下，可以找到kernel.json文件，打开文件修改python.exe的位置为需要使用的python解释器地址即可。

　　　

方法二：

　　activate你要添加的python环境，然后安装ipykernel，再用以下命令安装即可，如下所示：

# 先激活环境，这里还是以我刚才建立的 tensorflow-gpu 为例
> activate tensorflow-gpu
# 安装 ipykernel 模块
(tensorflow-gpu)> pip install ipykernel
# 将自己环境添加到 ipython 的 kernel 里
(tensorflow-gpu)> python -m ipykernel install --user --name tensorflow-gpu（你的环境名）`
--display-name "tensorflow-gpu"（你 kernel 的名字，可以在 jupyter 中看到，可以和环境名不一样）

　　设置成功后，就能在 jupyter notebook 中看到自己的 kernel了。其他kernel 的添加也可以按照此法进行。

注意：以后关于Anaconda的所有操作最好在Anaconda Prompt终端下进行，这样可以避免和本机python环境冲突。

写下这篇博客的目的呢就是记录在Anaconda下自己常用的一些命令，方便自己以后查找，如果后面接触到新的命令，再把命令添加到这篇博客中。