conda安装启动创建环境等常用命令

本文详细介绍了如何在Linux环境下安装精简版conda,并提供了从下载到配置的完整步骤。包括设置环境变量、激活环境、创建和管理虚拟环境等关键操作。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

conda版本包括ananconda和miniconda两个版本,这里推荐大家安装精简的conda版本,比较实用。
conda官网地址:https://conda.io/miniconda.html

选择合适的版本,使用wget下载:wget -c https://repo.continuum.io/miniconda/Miniconda3-latest-Linux-x86_64.sh

这里选择的常用的64位linux版本。
然后给下载的sh格式文件添加权限:chmod 777 Miniconda3-latest-Linux-x86_64.sh
最后安装运行:bash Miniconda3-latest-Linux-x86_64.sh
在询问是否将conda加入环境变量PATH的时候选择no。

启动时,/home下自己创建的miniconda文件夹,在bin文件中找到activate这个文件,为它加权限:chmod 777 activate
然后运行 source activate,conda接下来就能正常启动了。
查找已安装的软件: conda list
创建新的环境:conda create -n 环境名称 python3.5(环境所依赖的所有程序,不一定非要是python3.5)
查找所有的环境:conda info -e
激活你需要的环境:source activate 环境名称
切换你需要的环境:source activate 另一个环境名称
退出你当前环境:source deactivate
删除一个环境:conda remove -n 环境名称 --all
查找一个文件:conda source 名称
完全匹配的名称:conda source --full --name 名称

### 如何在 Conda 虚拟环境安装常用的数据科学和机器学习库 为了确保数据科学和机器学习项目的顺利运行,在创建好的 conda 虚拟环境安装必要的库是非常重要的。以下是具体的操作方法: #### 创建并激活新的虚拟环境 建议每次启动新项目时都创建一个新的虚拟环境,这有助于隔离各个项目的依赖关系。 ```bash conda create --name my_ml_env python=3.9 conda activate my_ml_env ``` #### 安装基础库 对于大多数数据科学和机器学习任务来说,NumPy、Pandas 和 Matplotlib 是必不可少的基础工具集。 ```bash conda install numpy pandas matplotlib ``` 这些软件包提供了强大的数值计算能力、高效的数据处理功能以及直观的数据可视化手段[^1]。 #### 安装高级分析库 Scikit-learn 提供了许多经典的监督与非监督算法实现;Seaborn 则是在Matplotlib基础上构建的一个更易于使用的统计图形接口。 ```bash conda install scikit-learn seaborn ``` 这两个库能够极大地简化模型训练过程中的特征工程环节,并提供更加美观的数据展示效果[^2]。 #### 安装深度学习框架 (可选) 如果涉及到神经网络相关的研究,则可能还需要引入 TensorFlow 或 PyTorch 这样的深度学习平台。 ```bash conda install tensorflow pytorch torchvision torchaudio cudatoolkit=11.3 -c pytorch ``` 注意这里选择了 CUDA 版本以支持 GPU 加速运算,可根据实际情况调整版本号[^3]。 通过上述命令可以在 conda 虚拟环境中成功部署一套完整的用于开展数据分析及建模工作的Python生态系统。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值