综述:为bm单位做事的时候总是有这样的需求,将代码的环境在公网下配置好,封装成docker去bm单位的离线服务器上训练。重新制作一个docker又比较麻烦,希望直接将配好的环境移植到docker中封装。
安装docker,并用 docker pull continuumio/anaconda3 指令在docker Hub上下载好装载有anaconda3的镜像。
运用 docker run 指令在 continuumio/anaconda3 镜像的基础上创建容器并运行,具体可自行搜索教学博文,不再赘述。
docker start container_name 运行容器
docker contain continuumio/anaconda3 链接容器
在容器中输入 whereis anaconda ,查找anaconda所在路径:anaconda: /opt/conda/bin/anaconda
在查找到的anaconda路径下, cd /opt/conda/envs, 此时还没有创建环境,ls为空。
新建一个终端,查找到系统内安装的anaconda3环境路径,一般在your_anaconda3_path/envs,这里有你创建好的环境。
docker cp your_anaconda3_path/envs/envs_name container_name:/opt/conda/envs 通过docker cp指令,将系统中的环境全部复制到docker的anaconda3环境路径下,此时docker中的anaconda已经可以使用配好的环境了,可以用 source activate 指令自行证实一下。
docker commit container_name image_name 运用 docker commit 指令将运行的容器保存为镜像。
docker save image_name -o 压缩包名称 将镜像保存下来成一个压缩包。
至此,封装完成。
综述:为bm单位做事的时候总是有这样的需求,将代码的环境在公网下配置好,封装成docker去bm单位的离线服务器上训练。重新制作一个docker又比较麻烦,希望直接将配好的环境移植到docker中封装。第一步,安装docker,并用 docker pullcontinuumio/anaconda3 指令在docker Hub上下载好装载有anaconda3的镜像。第二步,运用 docker run 指令在 continuumio/anaconda3 镜像的基础上创建容器并运行,具体可自...
1.在官网直接下载
anaconda
,安装很简单,记得勾选两个对勾
2.安装完毕之后,使用以下代码直接安装TensorFlow,官网下载较慢,可以使用清华镜像,但镜像有时会出问题。我用了两个镜像都不
成
功,之后还需要恢复默认路径,有一定风险。如果有此类问题可以参考python小白也会的tensorflow安装这篇
如果晚上下载TensorFlow太慢,可以一大早起来下载,及时是默认路径也会下的很快(强烈建议一大早起来安装,我前一天晚上安装几个小时,安装包下一半就下载不了,早晨安装超级顺利)
conda install tensorflow
3.该方法在python3.7(官网
anaconda
目前
容器化现有的conda
环境
我使用conda
环境
来进行数据分析项目。 有时,如果软件包不在bioconda或conda-forge上,则需要恢复使用pip或R的install.packages进行安装。
这使得很难在另一个系统上重现
环境
以及分析。 甚至存储为environment.yml文件的纯conda
环境
也可能损坏。
使用以下说明,可以将现有
环境
打包到
Docker
或Singularity容器
中
,该容器应具有更高的可移植性,并且还可以轻松地集
成
到基于的。
Docker
,Podman或Singularity
源conda
环境
必须在linux x64机器上。
包装
环境
conda-pack -n <MY> -o packed_environment.tar.gz
# With singularity
singularity build --fakero
提示:文章写完后,目录可以自动生
成
,如何生
成
可参考右边的帮助文档
文章目录前言一、什么是
Docker
镜像、容器二、操作步骤1.拉取镜像2.用continuumio/
anaconda
3镜像创建一个名为test的容器3.进入test容器,查看conda位置4.在本地
环境
中
将本地
环境
复制到
docker
中
5.在本地
环境
中
将本地代码复制到
docker
中
6.将容器保存为镜像7.将镜像存为压缩包三、几个常用
docker
命令四、参考文献
本文主要讲解如何打包本地conda
环境
并生
成
镜像和压缩包。如需要配置Dock
从零开始入门
封装
环境
,本文主要讲解打包
环境
前的
Docker
配置工作,如不需要配置
Docker
,可直接跳转:(二)
文章目录前言一、
Docker
是什么?1.虚拟机和Linux容器二、
Docker
用途三、
Docker
安装1.Dcoker手动在线安装:四、
Docker
启动与停止1.启动
Docker
2.停止
Docker
3.重启
Docker
五、
Docker
配置1.将用户加入
Docker
用户组2.配置daemon.json3.重启
Docker
六、
Docker
打包conda
环境
提示:这里可以添加本文要记录
对该项目的解释器进行选择
到此这篇关于把
Anaconda
中
的
环境
导入到Pycharm里面的方法步骤的文章就介绍到这了,更多相关
Anaconda
导入到Pycharm内容请搜索软件开发网以前的文章或继续浏览下面的相关文章希望大家以后多多支持软件开发网!
您可能感兴趣的文章:Pycharm导入a
ubuntu
中
安装
docker
**1.卸载旧版本 **
sudo apt-get remove
docker
docker
-engine
docker
.io containerd runc
2. 安装依赖
sudo apt-get update
sudo apt-get install \
ca-certificates \
curl \
gnupg \
lsb-release
3. 添加
docker
官方gpg密钥,这里改
成
中
科大镜像的
curl -fsSL https://
转载原文:
https://zhuanlan.zhihu.com/p/145037940
可查看我的博文:【长篇博文】
Docker
学习笔记(四):镜像的分层、打包、双向绑定、导入导出、
Docker
file的构建、部署与发布
首先使用
anaconda
3的基础镜像创建,可能需要检查换源。下面代码块是添加在/etc/
docker
/daemon.json文件
中
的内容。值得注意的是,如果当前sudo用户没有写文件的权限,需要改变权限,比如使用chromd 777命令。
"registry-mirror
做科学计算的同学可能有时候会用到
Anaconda
这个东西,尤其是在一台新的服务器上配置
环境
的时候非常快速有效。那么问题来了,有时候我们会遇到这样一个场景。
我已经在A服务器上配置好了一套我的conda
环境
,但是我现在又多出来了几台服务器,我想配置一模一样的,又不想一个一个包地重装一遍,能不能conda的
环境
直接移植到新的计算机上呢?
答案肯定是能的。只是
中
文的网站资料上基本没人提过这个东西。co
4. 在弹出的对话框
中
,选择“SSH Interpreter”选项。
5. 输入您的远程服务器的IP地址和登录凭据。
6. 在“Python Interpreter Path”字段
中
输入
Anaconda
环境
的路径。
7. 点击“确定”按钮,等待PyCharm连接到远程服务器并加载
Anaconda
环境
。
8. 现在您可以在PyCharm
中
使用
Anaconda
环境
来运行和调试Python代码了。
### 回答2:
在使用Python开发时,
Anaconda
和PyCharm都是非常常用的工具。
Anaconda
提供了强大的数据分析和科学计算库,而PyCharm则是一个功能强大的Python集
成
开发
环境
。将
Anaconda
环境
加入PyCharm可以使我们更方便地在PyCharm
中
使用
Anaconda
环境
中
的库来进行Python代码开发。
以下是将
Anaconda
环境
加入PyCharm的步骤:
1. 打开PyCharm IDE,然后单击菜单栏
中
的“File” -> “Settings”。
2. 在弹出的“Settings”窗口
中
,展开“Project: your_project_name”和“Project Interpreter”选项,然后单击旁边的下拉箭头,选择“Add...”选项。
3. 在弹出的“Add Python Interpreter”窗口
中
,选择“Conda Environment”选项,然后单击旁边的下拉箭头,选择
Anaconda
环境
所在的目录。
4. 然后,PyCharm会自动检测到
Anaconda
环境
中
的所有可用库和包,并列出在列表
中
。确认选择所需的所有包和库,然后单击“OK”按钮。
5. 最后,PyCharm将
Anaconda
环境
添加到项目解释器列表
中
,您现在可以将其设置为项目的默认解释器,从而在PyCharm
中
使用
Anaconda
环境
中
的库来进行Python开发。
总的来说,将
Anaconda
环境
加入PyCharm是非常简单的。通过这种方法,我们可以轻松地在PyCharm
中
使用Python开发和数据分析所需的所有库和包。无论您是初学Python还是已经掌握了Python开发,这种方法都将使您的开发更加高效和便捷。
### 回答3:
1. 前置条件
在将
Anaconda
环境
加入PyCharm之前,请确保您已经在您的机器上安装了
Anaconda
和PyCharm IDE。
2. 创建和激活
Anaconda
环境
打开
Anaconda
Navigator,点击“Environments”选项,然后点击“创建”按钮。
在“创建
环境
”窗口
中
,为
环境
指定一个名字(比如“myenv”),选择Python版本,在“Packages”选项卡
中
选择安装需要的库。
创建完
成
后,在
环境
列表
中
选择新创建的
环境
,并点击“play”按钮以激活
环境
。
3. 在PyCharm
中
添加并配置
Anaconda
环境
打开PyCharm IDE,点击“File”菜单,选择“Settings”。
在“Settings”窗口
中
,选择“Project: your_project_name” > “Python Interpreter”,然后点击右上角的齿轮图标,在弹出菜单
中
选择“Add…”选项。
在弹出窗口
中
选择“Conda Environment”,然后选择“Existing environment”。在“Interpreter”文本框
中
输入
Anaconda
环境
的路径(例如,“/Users/yourusername/
anaconda
3/envs/myenv/bin/python”),然后点击“OK”按钮。
稍等片刻,PyCharm会加载您选择的
环境
,之后您就可以在PyCharm
中
使用您创建的
Anaconda
环境
了。
将
Anaconda
环境
加入PyCharm只需要几个简单的步骤。首先,在
Anaconda
Navigator
中
创建和激活您需要的
环境
。然后在PyCharm IDE
中
添加并配置
环境
即可。使用
Anaconda
和PyCharm,您可以轻松地构建和管理Python项目,同时也可以从上百个常用数据分析库
中
受益。