如何在
anaconda
下
创建
多
python
环境利用
anaconda
navigator利用命令行
利用
anaconda
navigator
打开
anaconda
navigator 下的
environment
，
创建
多个环境用
create
，点击
create
，选择想要装的环境
版本
，name可以自取，选择对应的
版本
python
。这里取名为Py38，选择
python
3.8
版本
，点击
create
进行
创建
安装需要的库包：进入
创建
的环境，查看ALL下的所有库包，选择需要的，这里安装scikit-learn，选中，apply就可以啦
利用命令行
打开
anaconda
prompt，输入con
具有
conda
支持的已发布。请参阅。请测试！
mach-nix-
创建
高度可复制的
python
环境
Mach-nix使
创建
和共享可复制的
python
环境或程序包变得容易。现有的
python
软件包管理工具通常无法实现可重复性，难以使用或需要额外的虚拟化层才能使其可靠。 Mach-nix旨在通过提供一种简单的使用nix的方式来解决这些问题的方法，nix是一种革命性的构建系统，除外，该系统还具有出色的可重复性和可移植性。
这是给谁的？
没有nix经验的用户，想要为其项目维护可靠且易于复制的
python
环境。
已经与nix合作的用户想要减少为自己的
python
项目
创建
nix表达式所需的工作。
mach-nix的其他好处
使用一种工具安装来自3个不同Universe的软件包：pypi，
conda
和nixpkgs。
可以进行硬件优化，例如针对tensorflow的SSE / AVX / FMA，而无
通过单击上方或以下URL的蓝色徽标来访问此活页夹：
environment
.yml文件应列出笔记本计算机所依赖的所有
Python
库，并以使用以下
conda
命令
创建
它们的方式进行
指定
：
conda
activate example-
environment
conda
env export --from-history -f
environment
.yml
请注意，唯一可用的库将是
environment
.yml
指定
的库，因此请确保包括所需的所有内容！
还要注意，如果您跳过--from-history ，
conda
可能会在
environment
.yml包含特定于操作系统的软件包，您必须从
environment
.yml手动修剪它们。 例如，已确认的特定于macOS的软件包应删除：
在命令行输入
python
出现“Warning:This
Python
interpreter is in a
conda
environment
, but the
environment
has not been activated. Libraries may fail to load. To activate this
environment
please see https://
conda
.io/activation”
1、出现这种错误是因为安装的是
Anaconda
中带的
python
版本
，
python
处于
conda
环境中，使用
python
需要激活；
2、可以在cmd中输入
conda
i
poetry2
conda
将pyproject.toml上声明的
Python
项目转换为
conda
环境的脚本。
这不是从pyproject.toml移到
conda
的尝试。 当有喜欢常规
Python
/ PyPI的合作者和喜欢
conda
的其他合作者时，它是一种工具，可帮助团队维护依赖关系的单个文件。
为每个依赖项设置
conda
通道。
重命名
conda
依赖项。
将波浪号和插入符的依赖关系转换为常规
版本
说明符。
处理纯pip依赖项。
您将能够通过运行以下命令来安装poetry2
conda
：
$ pip install poetry2
conda
poetry2
conda
最直接的用例是转换一个使用poryry的pyproject.toml。 这可以通过将以下部分添加到pyproject.toml中来实现：
[ tool . poetry . dependencies
conda
install
python
=desired_
python
_version
将 `desired_
python
_version` 替换为您想要升级到的具体
Python
版本
号，例如 `3.8`。
4.
Conda
将检查依赖关系并开始升级
Python
版本
。请按照提示操作确认安装。
5. 完成升级后，您可以使用以下命令验证
Python
版本
是否已成功升级：
python
--version
请注意，升级
Python
版本
可能会导致某些已安装的包不再兼容。因此，在升级之前，请确保您的环境和代码与目标
Python
版本
兼容，并备份重要数据。
