Anaconda包与环境的管理

 

一、管理包

1.安装包:

conda install package_name
例如：
conda install tensorflow-gpu==2.0.0

 

2.删除包:

conda remove package_name
例如：
conda remove tensorflow

 

3.查找包：（支持模糊查找）

conda search search_term
例如：
conda search panda

 

4.列出当前环境已安装的包:

conda list

 

5.使用pip管理：略
6.使用anaconda Navigator管理包：

二、管理环境

1.列出已有的环境:

conda env list

 

2.创建环境:

conda create -n 环境名 python=环境的python版本

例如:
conda create -n tensorflow_Evn python=3.6
或者:  conda create -n tensorflow_Evn python=3  #默认选择python3的最新版本

　　

3.激活、进入环境：
（1）Linux下:
激活环境:

source activate 环境名
例如：
source activate my_env tensorflow_Evn

　　

退出、离开环境：

source deactivate

　　

---

（2）windows下:
激活环境:

activate 环境名
例如：
activate tensorflow_Evn

　　

退出、离开环境：

deactivate

　　

4.保存和加载环境:
相当于共享环境, 能让别人安装你的代码中使用的所有包，并确保这些包的版本都是和你的包的版本是一样的。
使用 conda env export > yaml_file_name.yaml 将包保存为 YAML格式的文件，这个文件保管有关于当前环境的包信息。
(1)、首先，备份环境到yaml文件中:

例如:
conda env export > tensor2.yaml

　　

结果:

（2)、通过yaml文件创建虚拟环境和导入包:
通过命令conda env create -f yaml_file_name.yaml 将yaml_file_name.yaml中记录的环境导入当前系统中。
例如

conda env create -f tensor2.yaml

　　

由下图可以知道目前名为tensorflow_Evn的环境已经删除。

于是通过文件创建该环境: conda env create -f tensor2.yaml
结果可以看到已经成功导入:

5.删除环境：
通过  conda env remove -n env_name  删除指定的环境。
例如:

conda env remove -n tensorflow_Evn

　　

结果:

6.使用anaconda Navigator管理环境：
创建环境:
注:克隆环境是指把选择的环境克隆出另一个。

使用环境:


每个环境是互不相关的！