conda

In the last passage , we successfully download and install anaconda and pytorch. However, the one of the most important advantages to use conda instead of pip is its virtual enviroment, where you will have a clean enviroment isolated environment to focus on your experiment or development. Generally, we often use python version 3.6 (Of course, you can use one version you are familar with). Then I wil show how to create Conda Environment, and activate environment in docker. Create conda environment conda create -n python3.6 python = 3.6 Also, you can create both a python version2.7 and a python

文章目录 1. python3.6 sklearn 版本 2. 关于0.22版本 3. sklearn升级至0.22遇到的问题（0.19-0.21-0.22怀疑需要翻墙） 4. 安装xgboost和lightgbm 1. python3.6 sklearn 版本 安装完 python3.6 ， 里面的 sklearn 可无差错升级至 0.19.0 版本 anaconda prompt 键入 conda install scikit-learn 即可 2. 关于0.22版本 2019年12月3日，官网发布了 sklearn 的 0.22 版本，本想尝鲜一下，毕竟里面的stackingregression以及roc有些诱人，然而走了一条慢慢的更新路，最后卸载重装了。【我太难了！】 插入一条0.22版本的改进内容 scikit-learn新版本发布，一行代码秒升级 ，内容为【量子位】公众号发布。 3. sklearn升级至0.22遇到的问题（0.19-0.21-0.22怀疑需要翻墙） 问题及原因列举如下： 更新时，忘记把spyder窗口全部关闭，报错，内容如下 OSError: [WinError 17] 系统无法将文件移到不同的磁盘驱动器。: 'd:\\python\\lib\\s ite-packages\\numpy\\ 解决方案：更新时务必关闭所有spyder窗口

Conda 是著名的包管理器和虚拟环境管理器。 在配置完项目环境，并编写和测试代码后，您可能希望将其移至另一台计算机。 Conda 提供了多种保存和移动环境的方法。 Clone 在本地，conda 可以方便地创建环境的快照或者备份： conda create --name snapshot --clone myenv Spec List 如果需要在具有 相同操作系统 的计算机之间复制环境，则可以生成 spec list。 生成 spec list 文件： conda list --explicit > spec-list.txt 重现环境： conda create --name python-course --file spec-list.txt Environment.yml 也可以使用 -export 选项生成一个 environment.yml 文件，以在 不同的平台和操作系统之间复现项目环境。 spec list 文件和 environment.yml 文件之间的区别在于： environment.yml 文件不针对特定操作系统，并且使用YAML格式。 environment.yml 仅列出了软件包名称，由 conda 基于软件包的名称构建环境。 另一个区别是 -export 还包括使用pip安装的软件包，而 spec list 则没有。 导出 environment

conda list # 查看安装了哪些包 conda env list # 查看现有的虚拟环境 conda update conda # 检查更新 conda create -n env_name python=X.X (3.7或者其他版本)# 创建虚拟环境，env_name是虚拟环境名称 conda activate env_name # 激活env_name虚拟环境 conda deactivate # 退出当前虚拟环境 conda remove -n env_name --all # 删除env_name虚拟环境 conda search "^python$" # 查看可用的python版本 来源： https://www.cnblogs.com/davion2017/p/12034304.html