conda的虚拟环境真的非常实用,尤其是对于大的深度学习项目,给每个项目单独配一个环境,轻巧又容易管理,还能直接用别人配好的虚拟环境,非常方便。这里记录几个常用的导入导出命令方便查找:
查看可用环境:
conda info --envs
进入目标环境
source activate py36
导出当前环境:
conda env export > py36.yaml
导出的文件只是一个安装目录,并不是安装包本身;导入时候仍会下载;
会生成一个py36.yaml文件,将其复制到目标机上后执行导入环境操作:
conda env create -f py36.yaml
注意:若导出base环境,则在目标机上会提示已存在(而且base环境无法删除)。所以要想导出base,最好先复制一下,再导出复制品:
conda create -n new_name --clone base
再导出new_name环境即可。必要的话再在原机删除复制环境:
conda remove -n new_name --all
在用的时候发现有些模块还是未安装,上网找了下原因,原来以上只会导出conda命令直接安装的包,而我的包大多是用pip安装在Anaconda的lib和site-package里了。因此还需要要用导出pip的方法:
pip导出安装的库到27.txt:
pip freeze > pip_inatall_list.txt
pip导入pip_inatall_list.txt中列出的库到新机:
pip install -r pip_inatall_list.txt
其实就是按列表重新安装一遍,;列表可以手动修改;
增加或者删除包;
🍅
本文详细记录了conda环境的导出和导入操作,包括如何查看环境、进入环境以及如何处理导出和导入过程中遇到的问题。重点强调了conda导出只会包含conda安装的包,对于pip安装的包需要额外处理。提供了使用pip导出和导入库的步骤,以确保新环境中所有依赖完整。
3447

被折叠的 条评论
为什么被折叠?



