conda环境(生信环境搭建)

准备:配置 conda 镜像

1、安装conda镜像

​
# 添加 Anaconda 的 TUNA 镜像
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
# 设置搜索时显示通道地址
conda config --set show_channel_urls yes

​

首先通过代码生成配置文件 .condarc

conda config --set show_channel_urls yes

配置文件的目录是:~/.condarc, 使用vim打开它,并添加我们需要的源:

vim ~/.condarc

添加清华的源码

channels:
  - https://mirrors.ustc.edu.cn/anaconda/pkgs/main/
  - https://mirrors.ustc.edu.cn/anaconda/pkgs/free/
  - https://mirrors.ustc.edu.cn/anaconda/cloud/conda-forge/
ssl_verify: true

2、命令行

列出当前所有的环境

conda info -e

创建一个虚拟环境

conda create -n name python=3.6 pandas=0.21

创建了一个名为name的新环境,同时安装了python 与 panda

激活环境

#win系统
activate name
#linux系统
source activate name

删除虚拟环境

conda remove -n name --all

conda clean -p #删除缓存

conda clean -y --all #删除pkgs目录下所有无用的安装包及cache

复制一个环境

conda create -n new_name  --clone old name

### Miniconda 环境配置教程 #### 1. 下载并安装 Miniconda Miniconda 是一个轻量级的 Conda 发行版,适合用于快速设置 Python 和数据科学工具链。可以从官方页面下载适用于操作系统的版本[^3]。 ```bash wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh bash Miniconda3-latest-Linux-x86_64.sh ``` 在安装过程中,按照提示完成安装,并确认是否将 Miniconda 的路径添加到系统环境变量中[^2]。 #### 2. 配置环境变量 如果未自动添加到环境变量,则需手动修改 `~/.bashrc` 或 `~/.zshrc` 文件: ```bash export PATH="/path/to/miniconda/bin:$PATH" source ~/.bashrc ``` 完成后可以通过以下命令验证安装是否成功: ```bash conda --version ``` 若显示版本号则表示安装成功。 #### 3. 创建虚拟环境 通过 Conda 命令可以轻松管理多个独立的 Python 虚拟环境。以下是创建新环境的方法: ```bash conda create -n myenv python=3.9 ``` 激活该环境: ```bash conda activate myenv ``` 退出当前环境可执行: ```bash conda deactivate ``` 删除不再使用的环境: ```bash conda remove --name myenv --all ``` #### 4. 更改国内镜像源加速包下载速度 为了提高软件包下载的速度,推荐更改默认的 Conda 镜像源为上海交通大学开源镜像站[^4]。编辑或新建文件 `~/.condarc` 并写入如下内容: ```yaml channels: - defaults default_channels: - https://mirror.sjtu.edu.cn/anaconda/pkgs/main - https://mirror.sjtu.edu.cn/anaconda/pkgs/free custom_channels: conda-forge: https://mirror.sjtu.edu.cn/anaconda/cloud/ pytorch: https://mirror.sjtu.edu.cn/anaconda/cloud/ ``` 保存后更新索引缓存: ```bash conda clean -i ``` #### 5. 安装常用库 进入已激活的环境中,使用以下命令安装所需的依赖项: ```bash conda install numpy pandas matplotlib scikit-learn ``` 对于深度学习框架 PyTorch 的安装,可以根据硬件支持情况选择 CUDA 版本: ```bash conda install pytorch torchvision torchaudio cudatoolkit=11.3 -c pytorch ``` #### 6. VS Code 整合与调试 安装 Visual Studio Code 后,可通过扩展市场获取 Microsoft 提供的 Python 插件来增强开发体验[^1]。随后,在 `.vscode/settings.json` 中指定解释器位置: ```json { "python.pythonPath": "/path/to/miniconda/envs/myenv/bin/python", } ``` 最后重启 IDE 即可应用新的配置。 --- ###
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