Conda 搭建简单的机器学习 Python 环境

文章目录

[Conda 概述](#Conda 概述)
[Conda 常用命令](#Conda 常用命令)
- [Conda 自身管理](#Conda 自身管理)
- - [查看 Conda 版本](#查看 Conda 版本)
  - [更新 Conda](#更新 Conda)
  - 清理索引缓存
  - 添加镜像源
  - 设置搜索时显示通道地址
  - 查看镜像源
  - 删除镜像源
- 环境管理
- 包管理
- - 虚拟环境下安装扩展包
  - 搜索、删除、更新安装包
[搭建一个机器学习的 Python 环境](#搭建一个机器学习的 Python 环境)
- [创建虚拟环境 ML](#创建虚拟环境 ML)
- [激活 ML](#激活 ML)
- 查看虚拟环境中的包
- 安装所需扩展库

Conda 概述

Conda 是一个开源的包管理系统和环境管理系统，由 Anaconda, Inc. 开发。它最初是为了支持 Python 的科学计算而创建的，但现在也可以用于其他编程语言。 Conda 提供了以下功能：

包管理：Conda 可以安装、升级、卸载软件包，并自动处理依赖关系。
环境管理：Conda 可以创建、管理和切换虚拟环境，以便在不同的项目中使用不同的软件包版本。
平台无关性：Conda 支持多种操作系统，包括 Windows、macOS 和 Linux。
开源：Conda 是开源的，任何人都可以贡献代码或提出改进意见。

Conda 使用 YAML 文件来描述环境和软件包的配置信息，这使得环境的管理和重用变得更加容易。此外，Conda 还提供了命令行工具，可以通过终端或命令提示符界面进行操作。总的来说，Conda 是一个强大的工具，可以帮助开发者更轻松地管理和维护软件包和环境。

Conda 常用命令

Conda 文档地址：Conda Documentation --- conda-docs documentation

Conda 自身管理

查看 Conda 版本

bash 复制代码

conda --version
# or
conda -V

更新 Conda

sh 复制代码

conda update conda

清理索引缓存

sh 复制代码

conda clean -i

添加镜像源

以阿里云镜像源为例

sh 复制代码

conda config --add channels https://mirrors.aliyun.com/anaconda/pkgs/free/

下面给出一些常用的镜像源

sh 复制代码

# 阿里云镜像源
conda config --add channels https://mirrors.aliyun.com/anaconda/pkgs/main/
conda config --add channels https://mirrors.aliyun.com/anaconda/pkgs/free/
conda config --add channels https://mirrors.aliyun.com/anaconda/cloud/conda-forge/
conda config --add channels https://mirrors.aliyun.com/anaconda/cloud/msys2/
conda config --add channels https://mirrors.aliyun.com/anaconda/cloud/pytorch/

# 清华镜像源
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/cloud/pytorch/

# 腾讯云镜像源
conda config --add channels https://mirrors.cloud.tencent.com/anaconda/pkgs/main/
conda config --add channels https://mirrors.cloud.tencent.com/anaconda/pkgs/free/
conda config --add channels https://mirrors.cloud.tencent.com/anaconda/cloud/conda-forge/
conda config --add channels https://mirrors.cloud.tencent.com/anaconda/cloud/msys2/

设置搜索时显示通道地址

sh 复制代码

conda config --set show_channel_urls yes

查看镜像源

python 复制代码

conda config --show channels

删除镜像源

sh 复制代码

conda config --remove channels https://mirrors.aliyun.com/anaconda/pkgs/free/
# 删除全部镜像源
conda config --remove-key channels

环境管理

创建虚拟环境

创建 python 版本为 3.9、名字为 env_name 的虚拟环境。

sh 复制代码

conda create -n env_name python=3.9

创建后，env_name 文件可以在 $Anaconda_HOME/envs 文件下找到。在不指定 python 版本时，自动创建最新 python 版本的虚拟环境.

删除虚拟环境

删除虚拟环境和其中所有的包：

sh 复制代码

conda remove --name env_name --all

只删除虚拟环境中的某个或者某些包：

sh 复制代码

conda remove --name env_name package_name

查看所有虚拟环境

在当前虚拟环境后会有一个 *

sh 复制代码

 conda info --envs 
 # or
 conda env list

复制虚拟环境

已有环境 ML，将其复制到环境 JW 上

sh 复制代码

conda create -n JW --clone ML

激活虚拟环境

sh 复制代码

conda activate env_name

关闭虚拟环境

sh 复制代码

conda deactivate env_name

导入、导出环境

sh 复制代码

conda env export > environment.yml	# 导出环境
conda env create -f environment.yml # 导入环境

包管理

虚拟环境下安装扩展包

在 env_name 虚拟环境下安装 package_name 包

sh 复制代码

conda activate env_name
conda install package_name

搜索、删除、更新安装包

sh 复制代码

conda search package_name
conda update package_name
conda uninstall package_name

搭建一个机器学习的 Python 环境

创建虚拟环境 ML

创建 python 版本为 3.8、名字为 ML 的虚拟环境。

sh 复制代码

conda create -n ML python=3.8

激活 ML

sh 复制代码

conda activate ML

查看虚拟环境中的包

可以看到有一些基础的包

sh 复制代码

conda list

安装所需扩展库

在使用 conda 进行安装时，加上参数 -y 可以自动确认安装过程，无需手动确认每一步。这使得安装过程更加简洁和方便。

1）spyder：集成开发环境。

sh 复制代码

conda install -y spyder

通常来说不需要再额外安装 numpy 了。因为 spyder 中已经预装了 numpy，保险起见下面都装了

2）numpy：处理数据，进行科学计算的基础软件包。

sh 复制代码

conda install -y numpy

3）pandas：用于数据分析的库，提供了高性能的数据结构和数据分析工具。

sh 复制代码

conda install -y pandas

4）scipy：基于 NumPy 的科学计算库，提供了许多数学、统计学和工程学功能。

sh 复制代码

conda install -y scipy

5）matplotlib：数据可视化。

sh 复制代码

conda install -y matplotlib

6）scikit-learn：是一个基于 NumPy，SciPy 和 matplotlib 构建的开源机器学习模块，提供了各种监督和无监督学习算法。

sh 复制代码

conda install -y scikit-learn

7）PyTorch：使用 GPU 和 CPU 优化的深度学习张量库

sh 复制代码

conda install -y PyTorch

8）jieba：中文分词工具。

sh 复制代码

conda install -c conda-forge -y jieba

9）爬虫：requests、lxml、beautifulsoup、scrapy 等。

sh 复制代码

conda install -y requests lxml beautifulsoup4 scrapy selenium