Conda创建虚拟环境以及包

原创 已于 2023-02-04 14:52:46 修改 · 869 阅读 · 0 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#深度学习 #conda #tensorflow #python

于 2023-02-04 13:20:04 首次发布
文章讲述了如何使用conda创建和激活环境，特别是针对bash环境的基础操作。接着详细说明了安装tensorflow-gpu1.13.1的步骤，并提醒检查安装后的可用性。此外，还提到了安装opencv和其他必要包的方法，建议在PyCharm中进行可视化配置。文章强调了避免重复安装包以防止打包错误，并简单提及了在集群终端中解压文件的操作。

1、Conda create -n lyt

2、Conda activate lyt

注意切换到bash基础环境！！才能正确激活！！

具体有export PATH="~/anaconda3/bin/:$PATH"

再source activate

3、安装tensorflow-gpu框架，记得最后加版本号

Conda install tensorflow - gpu 1.13.1

4、检验tensorflow-gpu框架是否可以用

具体在网上去搜，提示：先进入python，再退出exit()

5、安装opencv包以及其他缺少的包

（提示：可以在pycharm中设置运行环境为上述环境，然后在环境中配置包，更加可视化）

6、注意检查安装包是否重复，不然打包会报错！

conda pack

7、在集群终端解压 tar命令

 

 

浅析三种Anaconda虚拟环境创建方式和第三方包的安装
这家伙很懒，什么都没有留下
01-12 2470
## 3. 使用 conda-forge 安装包：如果你在 conda-forge 上找不到特定的包，可能是因为这个包没有被上传到 conda-forge，或者你需要在创建环境时明确指定要使用的通道。在数据科学和机器学习的领域中，管理不同的项目和其依赖关系可能是一项复杂的任务。Conda-forge 是一个社区驱动的项目，提供了许多额外的包和工具，这些在默认的 Conda 通道中可能不可用。在这里，package_name 是你想要安装的包的名称，而 version 是可选的，用于指定特定版本。
使用conda创建的虚拟环境在哪个文件下
最新发布
当 AI 开始写文章、绘星空，甚至预测未来，您还在旁观吗？这里将剖开人工智能的思考逻辑，拆解 AI 创作的底层密码，也聊聊人工智能里的人文温度。每篇都有让你拍案的细节，快来解锁 AI 时代的神奇世界！
07-11 1680
时，环境文件默认存储在 Anaconda 或 Miniconda 的安装目录下的。通过以上方法，可以清晰了解 conda 虚拟环境的存储位置和管理方式。如果希望将环境创建到其他目录（如外部硬盘），可以使用。表示当前激活的环境，右侧路径即为环境的存储位置。此时环境会被创建在指定路径下，而非默认的。当使用 conda 创建虚拟环境（如。（若安装在其他位置，替换。
二、anaconda虚拟环境包安装
weixin_45743760的博客
05-17 648
没有显示已经安装的包，目前不知道是什么问题，我打开pycharm中终端，出现。可能与这个问题相关，于是尝试在命令行终端手动一个一个安装，可以！切换pip镜像源（有时候conda缺少包，可以换pip安装)但是我安装的过程遇到问题，虽然日志显示安装成功，但是。在虚拟环境下安装github项目中依赖包（
在指定位置创建conda虚拟环境并配置包
sijin_的博客
01-23 1940
这里，我的配置环境为：D:/Anaconda/Anaconda3/envs/python39，即在该环境下创建一个名为python39的虚拟环境，所创建的python版本为3.9。创建完成，输入指令查看，即可发现当前环境已创建成功。2.在自己的环境目录下通过指令创建虚拟环境。1.首先通过指令查看当前拥有的虚拟环境。可以看到当前我的虚拟环境如下。3.为当前环境配置相应包。
【python】Conda虚拟环境管理与包管理
XYZ
05-22 2031
Anaconda 是 Python 的一个发行版，如果把 Python 比作 Linux，那么 Anancoda 就是 CentOS 或者 Ubuntu。它解决了Python开发者的两大痛点。 提供包管理，功能类似于 pip，Windows 平台安装第三方包经常失败的场景得以解决。 提供虚拟环境管理，功能类似于 virtualenv，解决了多版本Python并存问题。 目录 1. 虚拟环境管...
conda强制当前虚拟环境安装包
weixin_43151193的博客
06-09 694
conda强制当前虚拟环境安装包
C++调用Python Miniconda虚拟环境
08-30
本文将详细讲解如何在C++中调用安装在Miniconda虚拟环境中的Python函数，并讨论如何在应用程序打包时一并包含Python环境，以便于部署。 首先，让我们了解**Miniconda**。Miniconda是Anaconda公司提供的一个小型版本...
Conda新建虚拟环境以及下载Pytorch
NBlinge的博客
04-13 908
记录一些创建的命令行和pytorch下载。
使用conda创建python 虚拟环境
liguiyuan的博客
03-22 2255
激活虚拟环境，可以看到默认为base，下面来介绍如何使用conda来创建python虚拟环境，因为在不同的工程中，对python等有不同版本需求，容易出现冲突。在安装过程中，需要阅读许可协议并接受，然后选择Anaconda的安装路径。默认情况下，Anaconda会安装在用户主目录下。（2）安装 Anaconda。（1）下载Anaconda。在cmd命令窗口，输入。
【miniConda3】conda虚拟环境环境迁移-打压缩包方式
水w的博客
03-18 2101
conda虚拟环境环境迁移：打压缩包方式
conda虚拟环境安装包、依赖同一管理
Ppandaer的博客
09-29 1535
在 Python 的虚拟环境中，每个环境都是独立的，这意味着即使两个环境需要相同的库，它们也会分别安装各自的副本。这样做是为了避免不同项目之间相互影响，确保每个项目都有一个干净且隔离的环境。
Conda虚拟环境安装
HLBoy_happy的博客
06-07 4002
Conda 虚拟环境安装
anaconda安装虚拟环境并在虚拟环境下安装包
m0_56648217的博客
12-08 1014
如何安装conda虚拟环境并在虚拟环境下载库
conda虚拟环境：如何使用pip或者conda进行包的安装和管理
weixin_51286347的博客
01-10 8606
本文将会介绍如何利用cmd命令窗口或者anaconda promt使用pip命令或者conda命令，安装管理python所需要的库或者包。
windows 上的conda的虚拟环境中下载包及镜像源配置
zk_psvm_904455931的博客
03-04 2750
conda虚拟环境下载包及下载镜像源配置
conda建立虚拟环境并安装相应包
CV_YOU的博客
10-16 2万+
１．ubuntu下conda建立虚拟环境： 建立环境： conda create -n your_env_name python=X.X（2.7、3.6等) 使用激活(或切换不同python版本)的虚拟环境： Linux: source activate your_env_name python --version 对虚拟环境中安装额外的包： conda install -n your_en...
【Anaconda配置】修改conda虚拟环境路径及安装包路径
热门推荐
m0_56174109的博客
04-16 5万+
conda创建虚拟环境的路径为：C:\Users\username\.conda\envs\。conda下载的安装包路径：C:\Users\username\.conda\pkgs\。若不想占用C盘空间，需要修改conda虚拟环境路径及安装包路径。如果找不到这个文件，cmd命令中输入。
python在指定虚拟环境下安装包
weixin_46219578的博客
08-21 1188
1.进入指定环境： 打开Anaconda Prompt命令行 conda activate envname envname是虚拟环境名 2.安装 比如要安装numpy包 pip install numpy 完成
使用Anaconda创建虚拟环境并安装相关的包
zhejie666的博客
05-29 1万+
Anaconda 是一个打包的集合，里面预装好了conda、某个版本的python、各种packages等。固定包的版本：conda install package_name=x.xx。成功了成功了，一开始还是红红的，又安装了一遍居然成功了。当前Python版本为刚才创建的版本，即创建成功。问题更多，红色看的都头疼，找啊找，找到了解决方法。又有错，换了个镜像居然成功了，真的莫名其妙。检验是否安装及当前conda的版本。（2）查看存在哪些虚拟环境。（1）常看安装哪些包。不管了，今天任务完成。
使用conda创建虚拟环境并安装指定包
05-30
<think>好的，我需要帮助用户解决在安装scikit-learn-extra时遇到的Cython编译错误，并且用户希望通过conda创建虚拟环境来安装这个包，避免使用pip时的问题。首先，我需要回顾之前用户的问题和我的回答，看看有没有可以借鉴的方法。用户之前尝试用pip安装时出现了关于numpy/math.pxd找不到的错误，这可能是因为Cython编译时依赖的numpy头文件路径不正确或者版本不兼容。现在用户想改用conda来管理环境，这可能能解决依赖问题，因为conda通常会处理编译所需的库和头文件。首先，我需要确认conda是否支持scikit-learn-extra。根据引用[3]，conda-forge渠道的包通常与OpenBLAS链接，而默认渠道可能使用MKL。可能需要检查conda-forge是否有scikit-learn-extra的包。如果conda仓库中没有，用户可能需要混合使用conda和pip，但需要确保所有依赖项都通过conda安装，以避免编译问题。 接下来，步骤应该是创建conda虚拟环境，安装必要的依赖如numpy、scipy、scikit-learn和Cython，然后尝试用pip安装scikit-learn-extra。因为conda可以管理这些库的二进制版本，减少从源码编译的需要，从而避免Cython错误。 同时，用户提到系统是armhf架构，引用[2]指出在armv8上使用miniconda可能有问题，但用户现在可能是在其他架构上，比如x86，所以需要确认conda环境是否适用。不过，即使是在ARM架构，conda-forge可能提供预编译的包，减少编译步骤。 另外，用户可能需要安装MicrosoftVisual C++ BuildTools或其他编译工具，但使用conda环境可能已经包含了必要的编译依赖，或者通过conda安装的库无需编译。需要提醒用户在conda环境中安装时，优先使用conda install命令获取预编译的二进制包，如果不可行再使用pip，并注意依赖项是否由conda管理，以避免冲突。 最后，可能需要设置环境变量，如C_INCLUDE_PATH，指向conda环境中的numpy头文件，确保Cython能找到所需的pxd文件。 总结步骤：1.创建conda虚拟环境。 2.激活环境并安装numpy、scipy、scikit-learn、Cython等依赖。3.使用conda或pip安装scikit-learn-extra，优先conda。4.如果必须用pip，确保所有依赖项已通过conda安装，避免混合使用导致路径问题。5.处理可能的架构问题，确保conda的包适用于当前系统。 需要验证这些步骤是否有效，并考虑用户可能遇到的常见问题，比如依赖冲突或缺少编译工具，提供相应的解决方案。</think>### 使用 Conda 创建虚拟环境并安装 scikit-learn-extra 的步骤 #### 1. **创建 Conda 虚拟环境** ```bash conda create -n sk_extra_env python=3.9 ``` 选择与系统兼容的 Python 版本（如 3.9）以匹配预编译依赖项[^3]。 --- #### 2. **激活环境并安装核心依赖** ```bash conda activate sk_extra_env conda install -c conda-forge numpy scipy scikit-learn cython ``` - 通过 `conda-forge` 渠道安装依赖，确保兼容性和预编译支持[^3]。 - 若提示 `scikit-learn-extra` 不在 Conda 仓库中，继续使用 `pip` 安装。 --- #### 3. **安装 scikit-learn-extra** ```bash pip install scikit-learn-extra ``` - 此时 Conda 已处理关键依赖（如 OpenBLAS/MKL 链接的 NumPy），减少编译需求[^3]。 - 若仍报错，尝试设置环境变量： ```bash export C_INCLUDE_PATH=$(python -c "import numpy; print(numpy.get_include())") pip install --no-build-isolation scikit-learn-extra ``` --- #### 4. **验证安装** ```python import sklearn_extra print(sklearn_extra.__version__) ``` --- ### 关键原理 1. **Conda 依赖管理** Conda 会自动安装预编译的二进制包（如 NumPy、SciPy），避免从源码编译时因路径或版本问题导致的错误[^3]。 2. **Cython 编译优化** 通过 `conda-forge` 安装的 Cython 版本与依赖项（如 NumPy 头文件）兼容，减少 `math.pxd` 缺失风险[^2][^3]。 --- ### 示例：完整流程 ```bash # 创建环境 conda create -n sk_extra_env python=3.9 -y conda activate sk_extra_env # 安装核心依赖 conda install -c conda-forge numpy scipy scikit-learn cython -y # 安装 scikit-learn-extra pip install scikit-learn-extra --no-cache-dir # 验证 python -c "import sklearn_extra; print('Success!')" ``` --- ### 相关问题 1. **如何解决 Conda 环境中 `pip` 和 `conda` 混合安装的冲突？** （优先使用 `conda install` 安装主包，仅在必要时用 `pip`，并避免重复依赖） 2. **在 ARM 架构（如 Apple M1）中如何确保 Conda 包的兼容性？** （使用 `conda-forge` 渠道并指定 `osx-arm64` 平台） 3. **如何调试 `pip install` 在 Conda 环境中仍失败的 Cython 错误？** （检查 `numpy.get_include()` 路径，手动设置 `C_INCLUDE_PATH`） 4. **为什么 `conda-forge` 比默认渠道更适合安装科学计算包？** （提供更新的预编译版本，支持更多架构[^3]） 5. **如何清理 Conda 环境以重新尝试安装？** （`conda remove -n sk_extra_env --all` 后重建环境） --- 通过上述方法，可有效规避 `pip` 直接安装时的 Cython 编译问题，利用 Conda 的依赖管理优势[^3]。若需进一步调试，建议检查 `numpy` 头文件路径和编译日志。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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