一:conda-pcak在什么情况下使用:
移植python环境一般用于一下几种情况:
1:别人要运行你的代码,但是没有你的python环境,如果要一个一个python包进行安装,则非常麻烦,并且有时候还安装出现问题。
2:有一个包始终安装不上,但是在你的另一个python环境下有,或者在别人的环境中存在,这个时候就可以将python环境打包,移植到你的电脑上,然后激活该环境,运行对应的项目。
在我初期学习时,总是有包安装不上,或者就是不通的项目需要不通的环境,但是也总不能在一个环境下运行所有项目,这里面牵扯到python版本和各种包的版本的问题,是在令人头疼,耐心看完这篇文章,你会对python环境的管理有一个熟练且清楚的掌握。
二:conda常见的使用指令:
1:查看自己conda管理有几种python环境:
conda info –envs
可以看到,我的服务器下conda管理了3个环境(base, py3.8, py36)
2:创建一个新的python环境:
conda create -n py3.8 python=3.8
Py3.8是新创建的python环境的名字,python=3.8是环境的版本
3:对已经存在的python环境进行复制:
conda create -n py3.8_0 –clone py3.8
Py3.8_0是复制后的python环境的名字,py3.8是需要复制的python环境的名字
4:切换到对应的python环境:
conda activate base
可以看到, 我之前是在py3.8python环境中,现在切换到了base环境中。
三:打包某个python环境
在打包之前如果没有conda-pack包的话,需要安装pip install conda-pack
1:进行python环境打包:
conda pack -n py36 -o py366.tar.gz
Py36是需要打包的已存在的python环境,py366.tar.gz是我们打包后压缩包的名称
可以看到我们将py36打包,然后当前目录下出现了一个py366.tar.gz的压缩包
2:传输这个压缩文件py3666.tar.gz到你所需要的服务器上:
这里我是有两台linux服务器,我自己使用的是windows平台,使用xftp先从第一个服务器上把压缩包传输到windows上,然后再传输到另一个服务器的anaconda下的envs目录下,也就是/root/software/anaconda3/envs。
3:解压缩py366.tar.gz:
创建文件:py366,因为我们是要将压缩文件解压到py3666中,这个创建的名字到时候就是你的虚拟python环境的名字。
mkdir py366
tar -zxvf py366.tar.gz -C py366
4:激活环境:
conda activate py366
可以看到此时我们anaconda3/envs目录下的文件。
特别强调的问题:
这种python环境打包,只能在通一种操作系统中进行,比如你在windows平台上安装的anaconoda,打包anaconda中的python环境到linux服务器中,这样的是用不了的,我之前不知道,进行了这样的尝试,还以为出现了错误,我们可以看下面图片就明白了。
左边的是windows下的anaconda/envs下的py36环境下的文件,而右边是linux下的anaconda3/envs下的py37环境下的文件,可以看到两个是不一样的,这也就说明了两种系统的python环境是不能这样操作的。
一:conda-pcak在什么情况下使用:二:conda常见的使用指令:1:查看自己conda管理有几种python环境:2:创建一个新的python环境:3:对已经存在的python环境进行复制:4:切换到对应的python环境:三:打包某个python环境1:进行python环境打包:2:传输这个压缩文件py3666.tar.gz到你所需要的服务器上:3:解压缩py366.tar.gz:4:激活环境:特别强调的问题:一:conda-pcak在什么情况下..
Python
环境
打包
到另外一台电脑
思考:当我们在一台电脑上搭建完毕
python
环境
,需要在另外一台电脑上
使用
时,还需要再次重新搭建一次,这样费时又费力,有没有更好的办法呢。
答案:of course!!!!
下面就一起来看看吧。
1.进入搭建完毕的
python
环境
:
使用
快捷键Win+R 打开控制面板
2.输入cmd,按下回车键打开cmd。
3.输入命令activate
python
环境
名,激活
python
环境
名。比如目前
环境
名为tf115
activate tf115 ///激活tf115
环境
本资源是搭建在
Linux
服务器
上ana
conda
3
中
的tensorflow虚拟
环境
,已经经过测试,并且投入了生产,可以直接用。
本
环境
用
conda
-
pack
打包
,只需要直接解压到ana
conda
路径下的envs
中
就可以直接
使用
。
python
版本3.6.8 pip版本21.2.3
介绍:TensorFlow是
一个
基于数据流编程(dataflow programming)的符号数学系统,被广泛应用于各类机器学习(machine learning)算法的编程实现。
此资源比较适合以下情况:
1、快速搭建
一个
tensorflow虚拟
环境
,免去安装过程
中
对繁琐的依赖问题处理
2、在
服务器
上离线搭建
环境
conda
环境
整体
打包
迁移本地克隆、复制、转移、复现,无需网络下载安装
conda
环境
打包
工具 【
conda
-
pack
】
conda
本地备份
环境
Clone
使用
【
conda
-
pack
】【
conda
-forge】
打包
环境
复现
环境
conda
导出
环境
内包清单,通过网络下载复现
环境
在相同操作系统的计算机上复现
环境
【Spec List】不同的平台和操作系统之间复现
项目
环境
【Environment.yml】
https://www.jianshu.com/p/4ee474b648af
https://zhu
Q:
服务器
没有网,但我想安装自己的虚拟
环境
…
我的做法是
使用
conda
pack
进行
环境
迁移。即1)现在别的有网的
服务器
上安装好
环境
2)然后在将
环境
迁移到没有网络的
服务器
上,就可以正常
使用
了。我喜欢用
conda
pack
进行
打包
因为pip inatall和
conda
install的都能够被
打包
。
Conda
-
pack
是
一个
命令行工具,用于
打包
conda
环境
,其
中
包括该
环境
中
安装的软件包的所有二进制文件。下面进行详细的步骤说明:
第一步先下载
conda
pack
pip install
conda
-
python
=2.7
Conda
的
Pack
工具,可以说是让我发现了新大陆。之前有个
项目
使用
它解决了
一个
棘手的问题,一直没有整理相关笔记,时间长了容易淡忘,恰好有同事问我如何实现的,这里就重新整理一下。
1 棘手问题描述
简单描述一下
项目
中
遇到的这个棘手问题:
这个
项目
是
一个
Python
2.7开发的Flask服务,它里面有不少依赖需要
使用
pip安装,并且在网络不好的情况下容易下载失败。要求是能够让用户能够快速部署,几乎不做复杂的操作,就
conda
包装
conda
-
pack
是用于创建可重定位
conda
环境
的命令行工具。 这对于在一致的
环境
(可能尚未安装
python
或
conda
的位置)
中
部署代码很有用。
有关更多信息,请参见。
Conda
-
pack
是根据新的BSD许可提供的; 请参阅。
Mini
conda
3-latest-
Linux
-x86_64 mini
conda
安装包Mini
conda
3-latest-
Linux
-x86_64 mini
conda
安装包Mini
conda
3-latest-
Linux
-x86_64 mini
conda
安装包Mini
conda
3-latest-
Linux
-x86_64 mini
conda
安装包Mini
conda
3-latest-
Linux
-x86_64 mini
conda
安装包Mini
conda
3-latest-
Linux
-x86_64 mini
conda
安装包Mini
conda
3-latest-
Linux
-x86_64 mini
conda
安装包Mini
conda
3-latest-
Linux
-x86_64 mini
conda
安装包Mini
conda
3-latest-
Linux
-x86_64 mini
conda
安装包Mini
conda
3-latest-
Linux
-x86_64 mini
conda
安装包Mini
conda
3-latest-
Linux
-x86_64 mini
conda
安装包Mini
conda
3-lates
conda
测试指南
在开始这个
conda
测试之前,你应该已经下载并安装好了Ana
conda
或者Mini
conda
注意:在安装之后,你应该关闭并重新打开windows命令行。
一、
Conda
测试过程:
使用
conda
。首先我们将要确认你已经安装好了
conda
配置
环境
。下一步我们将通过创建几个
环境
来展示
conda
的
环境
管理功能。使你更加轻松的了解关于
环境
的一切。我们将学习如何确认你在哪个
环境
中
,以及如何做复制
一个
环境
作为备份。
测试
python
。然后我们将检查哪
一个
版本的
python
可以被安装,以及安装另
一个
版本的
python
,还有在两个版本的
python
之间的切换。
检查包。我们将1)罗列出
Python
是编译型语言还是解释型语言?回答这个问题前,应该先弄清楚什么是编译型语言,什么是解释型语言。
所谓编译执行就是源代码经过编译器编译处理,生成目标机器码,就是机器能直接运行的二进制代码,下次运行时无需重新编译。
不过它是针对特定CPU体系的,这些目标代码只能在特定平台执行,如果这个程序需要在另外一种 CPU 上面运行,这个代码就必须重新编译。
它不具备可
移植
性,但是执行速度快,C、C++这类语言属于编译型语言。
而解释型语言是在代码运行期间逐行翻译成目标机器码,下次执行时,还是需要逐行解释,我们可以简单认为 Java、
Python
都是解释型语言。
编译型相当于厨师直接做好一桌子菜,
1. 打开PyCharm,点击菜单栏
中
的"File" -> "New Project" -> "
Python
".
2. 在弹出的窗口
中
,选择"
Conda
"作为
项目
的解释器。
3. 点击"Existing Environment",然后在弹出的窗口
中
选择你想要
使用
的
conda
环境
。
4. 在"Location"栏
中
,选择
一个
本地目录来保存
项目
文件。
5. 点击"Create"按钮,PyCharm会自动创建
一个
新的
项目
,并在指定的
conda
环境
中
设置解释器。
6. 完成上述步骤后,你就可以在新的
conda
环境
中
编写代码并运行
项目
了。