conda

@[TOC]anaconda 不一样的conda命令 安装环境 python 3.7.3 + anaconda 缘由 清华源不能用了 中科大源不能用了 ... 惨痛学习中的意外参数出现了.. 隔壁组的助教居然还分享了个坑..... 新人在操作anaconda时，使用conda craete创建虚拟环境，如不指定python版本或者指定版本和内置base一致，那么在conda目录envs文件夹下仅会生成一个conda-meta文件夹，导致vscode在设置pythonpath时并不能准确定位到解释器。 处理方式： 使用clone命令来创建 conda create -n py3 --clone base 我的anaconda就此废了... 卸载-重装-再配置 卸载了原anaconda安装包再去官网上下载一个新的包吧 conda的骚操作不能用了, 毕竟官方发话了... 这时候轮到了pip登场了, 依然推荐清华源 https://mirror.tuna.tsinghua.edu.cn/help/pypi/ 该步骤需要管理员权限下的cmd运行 操作步骤 cmd命令行运行 设为默认 升级 pip 到最新的版本 (>=10.0.0) 后进行配置： pip install pip -U ```pip config set global.index-url https://pypi.tuna

现在学习这个确实时间很紧，但是迟早得学，以后PYTHON自动化运维，PYTHON自动测试都需要用的到，甚至可以往数据分析方向发展，刚好最近有 数据观 组织的python100天计划，就参加了，做好笔记，一个是用于记录学习中遇到的问题，二是对自己起监督作用，希望能够好好坚持下来，加油，老杨！ #1、环境搭建 自己操作系统是windows10，使用anaconda 4.2.9、python3.5，还有pycharm。 全英文，看不太懂，而且第一次使用也蒙头蒙脑的整不太清楚，先暂时随便总结一下 参考文章： Anaconda使用总结 Anaconda初学者入门指南/ Anaconda完全入门指南 1.1 anaconda简介 Anaconda是一个用于科学计算的Python发行版，支持 Linux, Mac, Windows系统，提供了包管理与环境管理的功能，可以很方便地解决多版本python并存、切换以及各种第三方包安装问题。Anaconda利用工具/命令conda来进行package和environment的管理，并且已经包含了Python和相关的配套工具。 这里先解释下conda、anaconda这些概念的差别。conda可以理解为一个工具，也是一个可执行命令，其核心功能是包管理与环境管理。包管理与pip的使用类似，环境管理则允许用户方便地安装不同版本的python并可以快速切换

1.Anconda/Miniconda安装与简单使用 1.1 下载Anaconda和配置Jupyter环境变量 1.2 下载Miniconda和配置Jupyter Lab 1.2.1 安装jupyter 1.3 其他下载源 2.使用Anaconda/Miniconda 2.1 conda环境管理 2.2 conda配置Jupyter Lab环境 3 实战：构建科学计算专用虚拟环境 参考资料 1.Anconda/Miniconda安装与简单使用 主要目的：使用虚拟环境（VirtualEnv）管理不同的Python包 1.1 下载Anaconda和配置Jupyter环境变量 安装64位版本的Anaconda，其中自带了jupyter lab/jupyter notebook （jupyter lab是jupyter notebook的升级版，推荐使用jupyter lab，有好用的widge有待探索） 可以从Anaconda官方网站（ 点击这里 ），Anaconda是跨平台运行的软件，支持Windows、Linux和MacOS 接下来需要在系统环境变量中加上jupyter的安装路径，这样在命令行工具中才能够使用jupyter关键字 1.2 下载Miniconda和配置Jupyter Lab 由于Anaconda集成了许多软件包，十分臃肿，下载耗时，安装也占用较大的空间

Python是一种面向对象的解释型计算机程序设计语言，其使用，具有跨平台的特点，可以在Linux、macOS以及Windows系统中搭建环境并使用，其编写的代码在不同平台上运行时，几乎不需要做较大的改动，使用者无不受益于它的便捷性。 此外，Python的强大之处在于它的应用领域范围之广，遍及人工智能、科学计算、Web开发、系统运维、大数据及云计算、金融、游戏开发等。实现其强大功能的前提，就是Python具有数量庞大且功能相对完善的标准库和第三方库。通过对库的引用，能够实现对不同领域业务的开发。然而，正是由于库的数量庞大，对于管理这些库以及对库作及时的维护成为既重要但复杂度又高的事情。 一、什么是Anaconda？ 1. 简介 Anaconda（ 官方网站 ）就是可以便捷获取包且对包能够进行管理，同时对环境可以统一管理的发行版本。Anaconda包含了conda、Python在内的超过180个科学包及其依赖项。 2. 特点 Anaconda具有如下特点： 开源 安装过程简单 高性能使用Python和R语言 免费的社区支持 其特点的实现主要基于Anaconda拥有的： conda包 环境管理器 1,000+开源库 如果日常工作或学习并不必要使用1,000多个库，那么可以考虑安装Miniconda（ 图形界面下载及命令行安装请戳 ），这里不过多介绍Miniconda的安装及使用。 3.

关于Pycharm中的Virtualenv Environment、Conda Environment、System Interpreter、Pipenv Environment-- （自己记性不好，赶紧记录下来，多看看- -||） 1.打开Pycharm中的Project Interpreter，菜单路径： File-->Settings-->Project-->Project Interpreter 2.点击右侧的设置图标，再点击Add： 3.弹出Add Python Interpreter设置窗口： 4.左侧有4种选择：Virtualenv Environment、Conda Environment、System Interpreter、Pipenv Environment ①其中System Interpreter如字面意思，系统里安装的本地Python作为解释器，一般很少用，不推荐； ②Pipenv Environment，只知道pip包的一个管理模块，不了解； ③说一下Virtualenv Environment和Conda Environment。网上其实有很多资料了，找了两天，我还是没看明白Virtualenv Environment和Conda Environment的区别到底在哪里。后来觉得也不用太纠结这个问题，先会用，满足学习和工作的需要就行

Anaconda Prompt 对Anaconda Prompt的讲解，实际上对于 conda 命令的详解 目录： 0x00 conda的简介 0x01 conda的下载及命令标准 0x02 conda的命令详解 0x03 conda和Anaconda，pip，virtualenv的区别 0x04 conda的帮助说明 0x00 conda的简介 Conda是一种python环境管理程序，conda和anaconda一起能解决很多环境、包管理的问题。而且安装anaconda的过程中会一并安装scipy,numpy等很多常用的包，可以说是用python进行科学计算和数据分析的必备神器 Conda是一个开源包管理系统和环境管理系统，可在Windows，macOS和Linux上运行。Conda可以快速安装，运行和更新软件包及其依赖项。Conda可以轻松地在本地计算机上的环境之间创建，保存，加载和切换。它是为Python程序创建的，但它可以为任何语言打包和分发软件 0x01 conda的下载及命令标准 一.conda的下载 conda是自带在Anaconda，但是他也是独立的。conda的官网： https://conda.io/miniconda.html 二.conda的命令标准 在命令行使用 conda -h ，即可查看所有内容 用法： conda [-h] [-V] command

首先要安装Anaconda 下载网址： https://www.anaconda.com/distribution/#download-section Miniconda下载网址： https://conda.io/en/latest/miniconda.html 1，安装完成配置环境变量 3，安装新的虚拟环境 conda create -n 环境名称 要装的语言（指定版本） 等待安装完毕 完毕后会提示怎么开启和关闭虚拟环境 如上图安装成功 4，虚拟环境的常用命令 查看版本号 激活虚拟环境并进入对应的环境 显示所有虚拟环境 删除虚拟环境 退出环境 : ** Miniconda和Anaconda 的安装方法及使用上基本雷同 区别： Anaconda ：用于科学计算的python发行版，里面预装好了conda，某个版本的python，众多packages,科学计算工具等。Anaconda利用工具/命令conda来进行package和environment的管理，并且已经包含了python和相关配套工具。 Conda ：可以理解为一个工具，也是一个可执行命令，其核心功能是包管理与环境管理。包管理与pip的使用类似，环境管理则允许用户方便地安装不同版本的python并可以快速切换。 Miniconda ：只含有最基本的内容--python,conda，以及相关的必须依赖项

安装python 之前安装python包，导致了python里面的包不兼容，用管理工具卸载也下载不掉，重新安装也安装不上，没有办法只能卸掉python重装。 安装Anaconda Anaconda指的是一个开源的Python发行版本，其包含了conda、Python等180多个科学包及其依赖项。conda也是一个非常好用的管理工具，只不过1500多个包自己用不了多少，我就选只Minicoda,是Anaconda的精简版本，只含有python和conda管理包。 清华大学Miniconda镜像 Miniconda官方镜像 我选择了Miniconda3-4.4.10-Windows-x86_64 版本，这个版本用的是python36,这个版本之后就是python37 添加环境变量 把完整的安装目录中补全，然后把下面几个文件夹添加到环境变量 D:\Miniconda3 D:\Miniconda3\Scripts D:\Miniconda3\Library\bin 配置conda 升级conda conda update conda 换源 # 清华的镜像源 conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/ conda config --add channels https

首次在windows上搭建 theano ，为了实现在 gpu 加速运算，在配置运行环境上多次踩坑，特记录下来。 一、GPU驱动安装 1.1 进入 NVIDIA驱动下载 进行符合条件的下载安装。 二、CUDA的下载安装 2.1 从NVIDIA 官网 选择一个CUDA版本进行下载。 2.2 使用如下命令查看是否安装成功： 　　 nvcc -V 2.3 配置path环境 我安装的是 10.1 所以为： 　　C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\bin;C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\libnvvp; 三、CUDNN的下载安装 3.1 这里是 下载地址 。根据自己安装的CUDA版本选择相应的CUDNN的版本。 3.2 我解压后放到目录 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1 目录下了。 四、Anacond安装 4.1 下载地址： https://www.anaconda.com/download/ 4.2 安装 anacond 4.3 系统 path 变量增加 　　C:\Anaconda3 　　C:\Anaconda3\Scripts 　　C:

一、概述 mac下搭建python环境推荐使用Anaconda+Pycharm。 1.1、Anaconda 　　Anaconda是一个免费开源的Python和R语言的发行版本，用于计算科学（数据科学、机器学习、大数据处理和预测分析），Anaconda致力于简化包管理和部署。Anaconda的包使用软件包管理系统Conda进行管理。超过1200万人使用Anaconda发行版本，并且Anaconda拥有超过1400个适用于Windows、Linux和MacOS的数据科学软件包。 1.1.1、下载安装 　　下载链接 Anaconda官网 　　直接根据默认地址选择安装好即可，选择完成后会自动配置环境变量。安装完成后可以在终端输入：conda list，测试环境变量是否配置成功。 　　安装完成之后会在应用程序中出现Anaconda图标。进入查看即可。 1.2、Jupyter Notebook 　　Jupyter Notebook是基于网页的用于交互计算的应用程序。其可被应用于全过程计算：开发、文档编写、运行代码和展示结果。 　　简而言之，Jupyter Notebook是以网页的形式打开，可以在网页页面中直接编写代码和运行代码，代码的运行结果也会直接在代码块下显示的程序。如在编程过程中需要编写说明文档，可在同一个页面中直接编写，便于作及时的说明和解释。 1.2.1、安装