conda常用命令整理

Anaconda是一个流行的Python和R编程语言的开源发行版,用于科学计算和数据分析。它包含了许多常用的开源软件包和工具,适用于数据科学、机器学习、大数据处理和科学计算等领域。Anaconda的核心是conda。conda是一个包管理器和环境管理器,可以轻松安装、升级和管理软件包。并且,conda还能够处理Python包及其依赖项,使得在不同项目之间切换和维护环境变得更加容易。

本文就来介绍一下conda常用的一些命令。

1. 创建环境

conda create --name myenv
创建名为 myenv 的新环境,默认使用当前活动的 Python 版本。conda create --name myenv python=3.8
指定创建使用 Python 3.8 的新环境。

2.激活环境

激活base环境:
Windows:activate base
macOS/Linux:source activate切换到myvenv环境
Windows:conda activate myenv
macOS/Linux: conda activate myenv

3. 退出环境

conda deactivate

4. 查看环境

conda env list 或 conda info --envs
查看所有存在的 Conda 环境。

5. 安装包

conda install numpy:安装名为 numpy 的包。conda install numpy=1.19.5:安装特定版本的 numpy 包。conda install pandas scipy:同时安装多个包。conda换源安装。1.临时换源安装:
conda install -c [目的源] [包名] 常见源:
阿里云:https://mirrors.aliyun.com/pypi/simple/
豆瓣:https://pypi.doubanio.com/simple/
清华大学源:https://pypi.tuna.tsinghua.edu.cn/simple/
华为云源:https://mirrors.huaweicloud.com/repository/pypi/simple/
中国科技大学源:https://pypi.mirrors.ustc.edu.cn/simple/2.永久换源:1添加新的源
conda config --add channels [源名称]  2. 更新包索引,确保 Conda 能正确识别新添加的源。
conda update --all3.查看新添加的源是否添加成功
conda config --show channels4.安装包
conda  install [包名]

6. 更新包

conda update numpy
更新名为 numpy 的包到最新版本。conda update --all
更新所有已安装的包到最新版本。

7. 删除包

conda remove numpy
移除numpy包。

8. 搜索包

conda search scipy
搜索scipy 包。

9. 列出已安装的包

conda list
列出当前环境中所有已安装的包及其版本。

10. 导出和导入环境

导出环境:
conda env export > environment.yml
将当前环境的配置导出到名为 environment.yml 的文件中。导入环境:
conda env create -f environment.yml
根据 environment.yml 文件创建一个新的环境。

11. 其他命令

conda config --show
显示当前 Conda 的配置信息。conda clean --all
清理未使用的包和缓存文件,释放磁盘空间。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/pingmian/49261.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

详解yolov5和yolov8以及目标检测相关面试

一、与yoloV4相比,yoloV5的改进 输入端:在模型训练阶段,使用了Mosaic数据增强、自适应锚框计算、自适应图片缩放基准网络:使用了FOCUS结构和CSP结构Neck网络:在Backbone和最后的Head输出层之间插入FPN_PAN结构Head输出…

[NOIP2009 提高组] 最优贸易(含代码题解)

[NOIP2009 提高组] 最优贸易 题目描述 C C C 国有 n n n 个大城市和 m m m 条道路,每条道路连接这 n n n 个城市中的某两个城市。任意两个城市之间最多只有一条道路直接相连。这 m m m 条道路中有一部分为单向通行的道路,一部分为双向通行的道路&am…

NLP-使用Word2vec实现文本分类

Word2Vec模型通过学习大量文本数据,将每个单词表示为一个连续的向量,这些向量可以捕捉单词之间的语义和句法关系。本文做文本分类是结合Word2Vec文本内容text,预测其文本标签label。以下使用mock商品数据的代码实现过程过下: 1、…

router-link-active和router-link-exact-active

router-link-active 用途&#xff1a;在Vue Router中&#xff0c;router-link-active是一个动态类名&#xff0c;用于表示当前激活的路由链接。当路由匹配到某个<router-link>组件的to属性所指定的路径时&#xff0c;Vue会自动给这个<router-link>组件添加router-l…

数字IC后端流程简述

1. 设计输入 目标:接收前端设计(如RTL代码和约束文件)的输出。 工具:前端设计工具(如Synopsys Design Compiler或Cadence Genus)。 步骤: 确保前端设计的RTL代码经过综合并生成了门级网表(Netlist)。 收集约束文件(Constraints),如时序约束(SDC文件)、功率约束等…

JMeter的使用方法

软件安装&#xff1a; 参考链接&#xff1a;JMeter 下载安装及环境配置&#xff08;包含jdk1.8安装及配置&#xff09;_jmeter5.2.1需要什么版本的jdk-CSDN博客 前置知识储备&#xff1a; JMeter的第一个案例 增加线程数 线程&#xff08;thread&#xff09;是操作系统能够进…

ROS2入门到精通—— 2-8 ROS2实战:机器人安全通过狭窄区域的方案

0 前言 室内机器人需要具备适应性和灵活性&#xff0c;以便在狭窄的空间中进行安全、高效的导航。本文提供一些让机器人在狭窄区域安全通过的思路&#xff0c;希望帮助读者根据实际开发适当调整和扩展 1 Voronoi图 Voronoi图&#xff1a;根据给定的一组“种子点”&#xff0…

【数据挖掘】词云分析

目录 1. 词云分析 2. Python 中的 WordCloud 库 1. 词云分析 词云&#xff08;Word Cloud&#xff09;是数据可视化的一种形式&#xff0c;主要用于展示文本数据中单词的频率和重要性。它具有以下几种主要用途和意义&#xff1a; 1. 文本分析 • 识别关键主题&#xff1a;通…

微信小程序 async-validator 表单验证 第三方包

async-validator 是一个基于 JavaScript 的表单验证库&#xff0c;支持异步验证规则和自定义验证规则 主流的 UI 组件库 Ant-design 和 Element 中的表单验证都是基于 async-validator 使用 async-validator 可以方便地 构建表单中逻辑&#xff0c;使得错误提示信息更加友好和灵…

2、程序设计语言基础知识

这一章节的内容在我们的软件设计师考试当中&#xff0c;考的题型比较固定&#xff0c;基本都是选择题&#xff0c;分值大概在2~4分左右。 而且考的还多是程序设计语言的一些基本语法&#xff0c;特别是这两年比较火的Python。 所以对于有一定要编程基础的即使本章的内容不学习&…

独孤思维:即便副业卷,也能继续赚钱

01 前段时间独孤倒腾了一下午&#xff0c;终于整出了第一个关于独孤ip的短视频内容。 之所以搞这么久&#xff0c;独孤一直在调整封面&#xff0c;视频尺寸&#xff0c;内容抽帧&#xff0c;背景音乐和文案。 独孤是处女座。 所有的环节&#xff0c;都必须让自己看着舒服满…

AI学习记录 - 图像识别的基础入门

代码实现&#xff0c;图像识别入门其实非常简单&#xff0c;这里使用的是js&#xff0c;其实就是把二维数组进行公式化处理&#xff0c;处理方式如上图&#xff0c;不同的公式代表的不同的意义&#xff0c;这些意义网上其实非常多&#xff0c;这里就不细讲了。 const getSpecif…

JavaScript构造函数小挑战

// 编码挑战 #1 /* 使用构造函数实现一辆汽车。一辆汽车有一个品牌和一个速度属性。speed 属性是汽车当前的速度&#xff0c;单位为 km/h&#xff1b; a. 执行一个 “accelerate ”方法&#xff0c;将汽车的速度提高 10&#xff0c;并将新速度记录到控制台&#xff1b; 3. a.…

VSCode python autopep8 格式化 长度设置

ctrl, 打开设置 > 搜索autopep8 > 找到Autopep8:Args > 添加项--max-line-length150

等保测评练习卷17

等级保护初级测评师试题17 姓名: 成绩: 判断题(101=10分)1. 关于安全区域边界的安全审计,三级系统的要求包括应对审计进程进行保护,防止未经授权的中断。( F ) 是安全计算环境的安全审计 2.…

前端循环依赖

前端中循环依赖 什么是循环依赖: 两个以上模块之间互相引用&#xff0c;构成闭环依赖。 保持依赖引入的单向流通性&#xff01; 示例&#xff1a; 不要觉得自己不会写出这样的代码&#xff0c;当项目庞大后一旦出现这样的问题将会造成无法排查的问题。 // 在a.js 引用 b.js …

秋招突击——7/22——复习{堆——前K个高频元素}——新作{回溯——单次搜索、分割回文串。链表——环形链表II,合并两个有序链表}

文章目录 引言复习堆堆——前K个高频元素个人实现复习实现二参考实现 新作单词搜索个人实现参考实现 分割回文串个人实现参考实现 环形链表II个人实现参考实现 两个有序链表个人实现 总结 引言 又是充满挑战性的一天&#xff0c;继续完成我们的任务吧&#xff01;继续往下刷&a…

WebRTC QoS方法十三.2(Jitter延时的计算)

一、背景介绍 一些报文在网络传输中&#xff0c;会存在丢包重传和延时的情况。渲染时需要进行适当缓存&#xff0c;等待丢失被重传的报文或者正在路上传输的报文。 jitter延时计算是确认需要缓存的时间 另外&#xff0c;在检测到帧有重传情况时&#xff0c;也可适当在渲染时…

【目标检测实验系列】EMA高效注意力机制,融合多尺度特征,助力YOLOv5检测模型涨点(文内附源码)

1. 文章主要内容 本篇博客主要涉及多尺度高效注意力机制&#xff0c;融合到YOLOv5s模型中&#xff0c;增加模型提取多尺度特征的能力&#xff0c;助力模型涨点。&#xff08;通读本篇博客需要7分钟左右的时间&#xff09;。 2. 简要概括 论文地址&#xff1a;EMA论文地址 如下…

Blender材质-PBR与纹理材质

1.PBR PBR:Physically Based Rendering 基于物理的渲染 BRDF:Bidirection Reflectance Distribution Function 双向散射分散函数 材质着色操作如下图&#xff1a; 2.纹理材质 左上角&#xff1a;编辑器类型中选择&#xff0c;着色器编辑器 新建着色器 -> 新建纹理 -> 新…