conda基础命令sws888

原创已于 2023-11-22 10:58:43 修改 · 127 阅读

0 ·

CC 4.0 BY-SA版权

文章标签：

#python #conda

于 2023-11-22 10:57:55 首次发布

本文介绍了如何使用Conda管理工具在Python3.11环境中创建新环境、激活和退出环境的操作步骤，以提升开发者的环境管理效率。

部署运行你感兴趣的模型镜像

创建

conda create --name 你的环境名字 python=3.11

激活环境

conda activate 你的环境名字

退出环境

conda deactivate

您可能感兴趣的与本文相关的镜像

Python3.8

Conda

Python

Python 是一种高级、解释型、通用的编程语言，以其简洁易读的语法而闻名，适用于广泛的应用，包括Web开发、数据分析、人工智能和自动化脚本

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

慢波睡眠

关注关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
1
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
打赏
打赏
打赏举报

举报

conda学习笔记：conda常用命令集合

qq_45670495的博客

08-03

4079

【代码】学习笔记：conda常用命令集合。

anaconda创建的新环境下scikit-opt包pip安装不了

zuoyefengqi的博客

09-12

528

之前pip install xxx没问题，今天要安装scikit-opt结果不行，检查后发现报错说是pip version问题，改成pip3 install scikit-opt，安装成功，python3.7环境。

1 条评论您还未登录，请先登录后发表或查看评论

1 条评论

优快云-Ada助手 2023.11.24
恭喜sws888撰写了第6篇博客！标题“conda基础命令sws888”非常吸引人。我很高兴看到你在持续创作，并分享有关conda基础命令的内容。你的博客对于那些刚开始使用conda的人来说一定非常有用。在下一步的创作中，我建议你可以探索一些与conda相关的高级技巧或实用案例，例如如何创建和管理虚拟环境，如何解决依赖冲突等等。这样的话，读者将能够更全面地了解和使用conda。继续保持你的创作热情，我期待着你未来更多有价值的博客！

conda环境常用命令

矮矮的夏祭的专栏

04-23

1万+

在不同的项目中经常需要conda来配置环境，这样能够实现不同版本的python和库的随意切换，并且减少了很多不必要的麻烦。这里记录下conda常用的一些基础命令，以便后续查询

用conda虚拟环境安装sklearn

weixin_44753371的博客

01-09

1万+

用conda虚拟环境安装sklearn 1、创建sklearn虚拟环境 #1、创建虚拟环境的名称为sklearn，python版本为3.6.5 conda create -n sklearn python=3.6.5 #2、激活虚拟环境 conda activate sklearn 2、在sklearn虚拟环境中安装包包强烈建议按照次序安装。 #可以选择指定具体的版本，如 conda inst...

conda安装sklearn

lawenliu的专栏

05-22

7万+

sklearn有很多有用的库，通常我们用pip管理包的时候，直接用pip （python 2.7）或者pip3 (python 3)安装就行了。比如在python2.7下 pip install -U sklearn 或者python3.0之后 pip3 install -U sklearn conda下安装不是直接安装sklearn，名字不太一样。 conda install -c anaconda scikit-learn 然后输入"y"继续安装。之后就可以使用sklearn

Anaconda conda常用命令：从入门到精通

热门推荐

chenxy_bwave的专栏

08-30

30万+

简要介绍Anaconda conda的常用命令的使用，掌握了这些基本命令应该足以应付日常的‘生活自理’吧

Python 工具 | conda 基本命令

ttrr27的博客

01-04

2498

Hi，大家好，我是半亩花海。本文主要了解 Python 的工具的conda相关的基本命令。Conda 是一个开源的软件包管理系统和环境管理系统，用于安装多个版本的软件包及其依赖关系，并在它们之间轻松切换。在Windows下，需要安装使用Anaconda Prompt ；在Linux下，可以直接执行 conda 命令。

conda 常用命令

xy1580的博客

04-27

1992

conda 分为 anaconda 和 miniconda，anaconda 是一个包含了许多常用库的集合版本，miniconda 是精简版本（只包含conda、pip、zlib、python 以及它们所需的包）如果安装了 conda，但是在命令行中仍然无法找到 conda 命令，可能是因为 conda 的安装路径没有添加到环境变量中。如果安装了 conda，但是在命令行中仍然无法找到某个软件包，可能是因为该软件包没有安装在当前环境中。conda 可以创建多个环境，每个环境可以包含不同的软件包。

Python conda命令

Codeoooo 博客

06-15

3308

使用 conda create -n your_env_name python=X.X （2.7、3.6等)命令创建python版本为X.X、名字为your_env_name的虚拟环境。注意：默认的情况下只安装了一些必须的包，并不会像我们安装anaconda时自动安装很多常用的包。可以使用conda命令创建新的python环境（python版本，包），新的环境与原来的环境不相关。这样，方便不同的应用中使用不同的python版本。使用如下命令即可激活你的虚拟环境(即将python的版本改变)。

conda常用命令汇总

goodlmoney的博客

09-05

1948

conda常用命令，可以帮助大家更好的管理自己的conda环境

Python在机器学习中的模型训练

2509_93937153的博客

11-26

343

上周对比SVM和随机森林时，用Pipeline把预处理和训练步骤串起来，cross_val_score直接出十折交叉验证结果，整个实验可复现性极高。数据预处理这块绝对是重头戏。最近在做回归项目，r2_score和mean_squared_error这几个指标函数随调随用，省去了自己实现的麻烦。但平心而论，在常规业务场景下，从数据探索到模型上线的整个生命周期，Python的生态链确实做到了无缝衔接。很多库的默认参数就够用，想要精细调控又能深入底层，这种灵活性才是我们坚持用Python搞机器学习的根本原因。

Python自动化测试框架开发

2509_93945719的博客

11-26

428

封装requests时踩过坑，最初简单包装成通用方法，后来发现不同模块需要不同的超时策略和重试机制。框架开发过程中最大的体会是：好的设计不是一次性完成的，而是在不断踩坑、重构中迭代出来的。记住，自动化测试的终极目标不是追求100%覆盖率，而是用最小成本快速发现质量问题。最直观的变化是测试周期从原来的3天缩短到8小时，版本发布再也不用全员熬夜了。pytest的夹具机制比unittest灵活太多，特别是parametrize参数化，能轻松实现数据驱动。决定动手搭个统一的测试框架，把乱七八糟的脚本规范起来。

Java总结进阶之路（基础二）

2509_94006474的博客

11-24

826

提示：java总结学习之路。

15：00开始面试，15：06就出来了，问的问题有点变态。。。

2301_78843735的博客

11-24

647

【摘要】本文分享了一位软件测试工程师的求职经历和面试经验。文章首先描述了作者遭遇降薪后寻求新工作的过程，并反思了在面试中因基础知识不足而失利的情况。随后系统整理了软件测试岗位的常见面试知识点，涵盖16个技术栈：包括测试理论、Linux、MySQL、Web/API/App测试、Python基础、性能测试等核心内容。其中详细列举了各技术栈的高频面试题，如测试步骤设计、Linux命令使用、Python编程题、MySQL优化等。最后提到完整的面试宝典包含近200页内容，旨在帮助求职者高效准备面试，提升通过率。

收藏！软件测试面试题

2401_86705770的博客

11-26

287

作为一位过来人也是希望大家少走一些弯路，如果你不想再体验一次学习时找不到资料，没人解答问题，坚持几天便放弃的感受的话，在这里我给大家分享一些自动化测试的学习资源，希望能给你前进的路上带来帮助。

Python全栈开发项目——AI智能聊天机器人

qiao_yue的博客

11-24

819

本项目实现了AI聊天功能，具有语音输入和聊天背景自定义等亮点功能

基于Python与Go构建云原生微服务自动化运维平台的架构设计思路实践策略与性能优化方法全流程解析

2501_94114213的博客

11-26

405

Python 提供灵活的任务调度与编排能力，Go 提供高并发、高吞吐的任务执行与采集能力。两者结合构建的云原生微服务运维平台能够在大规模环境下实现：自动化高可靠弹性扩展可观测高性能随着企业上云进程加速，Python + Go 的混合运维平台将成为云原生运维的标准实践方案。

ubuntu20.04搭建YOLOv11 GPU运行环境

最新发布

qing2019的博客

11-27

273

本文记录了在Ubuntu系统上安装NVIDIA显卡驱动、CUDA和cuDNN的全过程。首先通过ubuntu-drivers devices查询并安装NVIDIA驱动535版本（实际应安装570版本），重启后验证驱动安装成功。接着从NVIDIA官网下载CUDA 12.8工具包，通过一系列命令完成安装并配置环境变量。然后下载对应版本的cuDNN v8.9.7，复制相关文件到CUDA目录并设置权限。最后安装与CUDA 12.8兼容的PyTorch版本，测试确认安装成功。整个过程涵盖了驱动安装、CUDA环境搭建到深

使用python的pywin32库实现CANape工程自动化案例

qq_42746084的博客

11-24

961

摘要本教程介绍使用Python控制CANape进行自动化数据采集与MF4文件分析的方法。主要内容包括：环境配置：需Windows系统、CANape软件、Python 3.8+及相关库（pywin32、asammdf等）核心功能：通过COM接口控制CANape 实现基础数据采集、条件触发录制、定时批量采集等功能支持批量标定参数写入与验证提供MF4文件离线分析方案典型应用案例：基础数据采集与保存基于信号阈值的触发录制定时批量数据采集批量标定参数验证技术实现：使用win32com操作CA

conda基础命令

05-12

### Conda 基础命令与使用指南 #### 1. 初始化与配置 Conda 是 Anaconda 或 Miniconda 提供的一个强大的包管理和环境管理工具。以下是常用的初始化和配置命令： - **设置镜像源** 可以通过 `conda config` 添加或删除镜像源，从而提高下载速度。例如，添加清华大学的镜像源可以执行以下命令： ```bash conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/ ``` 如果需要移除某个已有的镜像源，则可以使用如下命令[^1]： ```bash conda config --remove channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/ ``` #### 2. 创建与管理环境 Conda 支持创建多个独立的虚拟环境，用于隔离不同项目的依赖。 - **创建新的环境** 使用 `conda create` 来创建一个新的环境，并指定 Python 版本（如果需要）。例如： ```bash conda create -n my_env python=3.8 ``` 这里 `-n` 表示环境名称为 `my_env`，并安装 Python 3.8。 - **激活与退出环境** 激活一个已有环境可以通过以下命令完成： ```bash conda activate my_env ``` 要退出当前活动环境，只需运行： ```bash conda deactivate ``` - **删除环境** 当不再需要某环境时，可以用以下命令将其删除： ```bash conda remove -n my_env --all ``` #### 3. 包管理 Conda 不仅是一个环境管理工具，还提供了便捷的包管理功能。 - **查看已安装的包** 查看当前环境下所有已安装的包列表： ```bash conda list ``` - **安装新包** 安装单个包可以直接使用 `conda install` 命令。例如安装 NumPy： ```bash conda install numpy ``` 若想从特定通道安装包，可以加上 `-c` 参数指定通道地址。例如安装 PyTorch： ```bash conda install -c pytorch pytorch ``` - **卸载包** 移除不需要的包及其依赖项可通过 `conda remove` 实现。例如卸载 Pandas： ```bash conda remove pandas ``` #### 4. 导入与导出环境配置为了方便团队协作或者迁移项目，Conda 支持将环境配置保存为 YAML 文件。 - **导出环境配置文件** 将当前环境的信息保存到名为 `environment.yml` 的文件中： ```bash conda env export > environment.yml ``` - **基于配置文件重建环境** 在其他设备上重新构建相同的环境： ```bash conda env create -f environment.yml ``` #### 5. 高级技巧对于一些复杂的场景，还可以利用额外的功能提升效率。 - **批量安装依赖** 类似于 Pip 工具，可以在 Conda 中通过需求文件一次性安装所需库。假设有一个 `requirements.txt` 文件记录了所有的依赖关系，那么可以这样操作： ```bash pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple ``` - **清理无用资源** 清理未使用的包缓存以及废弃的环境有助于节省存储空间： ```bash conda clean --all ``` --- ### 总结以上就是关于 Conda 的基本命令介绍及常见用途说明。这些技能可以帮助开发者更加高效地维护自己的开发环境，减少因版本冲突带来的麻烦[^4]。