pip/conda导出或导入环境

目录

一、pip

[Option1: pip freeze](#Option1: pip freeze)

导出环境

导入环境

[Option2: pipreqs工具](#Option2: pipreqs工具)

导出环境

导入环境

二、conda

[Option1: requirements.txt](#Option1: requirements.txt)

导出环境

导入环境

[Option2: myenv.yml](#Option2: myenv.yml)

导出环境

导入环境


Python提供了强大的模块功能,能够方便开发者更加易于进行包的管理。pip/conda提供了生成requirements.txtmyenv.yml的功能,可以方便开发者在新的环境下进行一步式的依赖项安装。

一、pip

Option1: pip freeze

pip freeze会将当前PC环境下所有的安装包都进行生成,再进行安装的时候会全部并安装很多没有的包,耗时耗力其实是不可取的。

导出环境

终端执行下面命令会在当前目录生成requirements.txt文件。

bash 复制代码
pip freeze > requirements.txt #可能会丢失依赖包的版本号
# 或者
pip list --format=freeze> requirements.txt

导入环境

使用前面命令生成出来的requirements.txt,可以根据这个文件下载所有依赖。

bash 复制代码
pip install -r requirements.txt
# 临时换源
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple -r requirements.txt

Option2: pipreqs工具

使用pipreqs,这个工具的好处是可以通过对项目目录的扫描,发现使用了哪些库,生成依赖清单。

导出环境

使用pipreqs需要提前安装。

step1:安装

bash 复制代码
pip install pipreqs

step2:使用

在Python项目的根目录下 使用 pipreqs ./

bash 复制代码
pipreqs ./ --encoding=utf8

导入环境

使用前面命令生成出来的requirements.txt,可以根据这个文件下载所有依赖。

bash 复制代码
pip install -r requirements.txt
# 临时换源
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple -r requirements.txt

二、conda

Option1: requirements.txt

导出环境

需要先切换到要导出的虚拟环境里面再执行命令。

bash 复制代码
conda list -e > requirements.txt

导入环境

需要先切换到要导入的虚拟环境里面再执行命令。

bash 复制代码
conda install --yes --file requirements.txt

Option2: myenv.yml

导出环境

bash 复制代码
#获得环境中的所有配置
conda env export --name myenv > myenv.yml

导入环境

需要先切换到要导入的虚拟环境里面再执行命令。

bash 复制代码
#重新还原环境
conda env create -f  myenv.yml
相关推荐
qq_417695051 小时前
机器学习与人工智能
jvm·数据库·python
漫随流水1 小时前
旅游推荐系统(view.py)
前端·数据库·python·旅游
yy我不解释2 小时前
关于comfyui的mmaudio音频生成插件时时间不一致问题(一)
python·ai作画·音视频·comfyui
紫丁香3 小时前
AutoGen详解一
后端·python·flask
FreakStudio3 小时前
不用费劲编译ulab了!纯Mpy矩阵micronumpy库,单片机直接跑
python·嵌入式·边缘计算·电子diy
清水白石0085 小时前
Free-Threaded Python 实战指南:机遇、风险与 PoC 验证方案
java·python·算法
飞Link5 小时前
具身智能核心架构之 Python 行为树 (py_trees) 深度剖析与实战
开发语言·人工智能·python·架构
桃气媛媛6 小时前
Pycharm常用快捷键
python·pycharm
Looooking7 小时前
Python 之获取安装包所占用磁盘空间大小
python
WenGyyyL7 小时前
ColBERT论文研读——NLP(IR)里程碑之作
人工智能·python·语言模型·自然语言处理