conda虚拟环境迁移办法

参考:

https://blog.csdn.net/luanlz/article/details/134402999

做项目时,为方便环境部署,有时会遇到conda环境迁移的需求,该如何快速迁移conda虚拟环境呢,主要有如下三种办法:

第一:

方法1:

scp拷贝法,直接将envs的环境文件夹,拷贝到目标主机上。

例如:

scp -r -P 端口(目标主机使用端口) /opt/anaconda3/envs/gpt user@主机IP:/opt/anaconda3/envs/

拷贝完成后,赋予相应的权限。

方法2:

清单法Spec List,生成当前环境的组件清单,然后再进行重放安装。

生成 spec list 文件:

conda list --explicit > 环境名-list.txt

重现环境:

conda create --name 新生成的环境名称 --file 环境名-list.txt

也可以使用--export选项,导出生成yml文件。

conda env export > environment.yml

注意:如果当前路径已经有了 environment.yml 文件,conda 会重写这个文件

重现环境:

conda env create -f environment.yml

spec list 文件和 environment.yml 文件之间的区别在于: environment.yml 文件不针对特定操作系统,并且使用YAML格式。 environment.yml 仅列出了软件包名称,由 conda 基于软件包的名称构建环境。 另一个区别是 -export 还包括使用pip安装的软件包,而 spec list 则没有。

方法3:

打包法,Conda Pack

Conda-pack 是一个命令行工具,用于打包 conda 环境,其中包括该环境中安装的软件包的所有二进制文件。要安装使用conda-pack,请确保您位于root 或 base 环境中,以便 conda-pack 在子环境中可用。Conda-pack 可通过 conda-forge 或者 PyPI 安装。 conda-pack 指定平台和操作系统,目标计算机必须具有与源计算机相同的平台和操作系统。

安装,

conda-forge:

conda install -c conda-forge conda-pack

PyPI:

pip install conda-pack

使用,将当前环境打包到指定的路径

conda pack -p /path/to/envsbackup

恢复环境

tar -xzf pyenvs.tar.gz -C pyenvs

使用 Python

./pyenvs/bin/python

激活当前 Conda 环境

source pyenvs/bin/activate

在恢复的环境中,运行python

(pyenvs) $ python

清除活动环境中的前缀。

注意,该命令也可以在不激活环境的情况下运行

只要机器上已经安装了某个版本的Python。

(pyenvs) $ conda-unpack

完成环境的恢复。

相关推荐
北京_宏哥3 分钟前
🔥PC端自动化测试实战教程-3-pywinauto 启动PC端应用程序 - 下篇(详细教程)
前端·windows·python
pound1272 小时前
第五章.python函数
windows·python·microsoft
Archie_IT13 小时前
修图自由!自建IOPaint服务器,手机平板随时随地远程调用在线P图
运维·服务器·前端·git·深度学习·npm·conda
挣扎的蓝藻13 小时前
使用 Python 扫描 Windows 下的 Wi-Fi 网络实例演示
网络·windows·python
cdg==吃蛋糕13 小时前
windows sc 创建删除服务
windows
再玩一会儿看代码14 小时前
[特殊字符] 深入理解 WSL2:在 Windows 上运行 Linux 的极致方案
linux·运维·windows·经验分享·笔记·学习方法
cyz14100115 小时前
树莓派4B配置wifi热点,可访问http协议
linux·网络·windows·后端·网络协议·http·树莓派
PfCoder15 小时前
WinForm真入门(13)——ListBox控件详解
windows·c#·visual studio·winform
神州永泰15 小时前
Java logback框架日志输出中文乱码的解决方案(windows)
java·windows·logback
再玩一会儿看代码17 小时前
pip 与 conda 的全面比较:Python 包管理的深度解析
经验分享·笔记·python·conda·课程设计·pip