一、环境管理
-
查看已安装的环境
conda env list
或conda info --envs
:列出所有已安装的Anaconda环境。 -
创建新环境
conda create -n env_name python=x.x
:创建一个名为env_name的新环境,并指定Python版本为x.x。 -
激活环境
conda activate env_name
:激活名为env_name的Anaconda环境。 -
停用当前环境
conda deactivate
:停用当前激活的Anaconda环境。 -
删除环境
conda env remove -n env_name
:删除名为env_name的Anaconda环境及其所有包。 -
导出环境信息
conda env export > environment.yml
:导出当前激活的环境信息到environment.yml文件。 -
使用导出的环境信息创建环境
conda env create -f environment.yml
:使用指定的environment.yml文件创建环境。
二、包管理
-
查看已安装的包
conda list
:列出当前激活环境中已安装的所有包和版本信息。 -
安装包
conda install package_name
:安装指定的包。conda install -c channel_name package_name
:从指定的channel安装包。pip install package_name
(在激活的环境中):使用pip安装指定包(作为conda的补充,适用于conda仓库中没有的包)。
-
更新包
conda update package_name
:更新一个已安装的包。 -
卸载包
conda remove package_name
:卸载指定包。 -
搜索包
conda search package_name
:搜索一个包,查看可用的版本和安装渠道。
三、其他常用命令
-
配置管理
conda config --set key value
:设置conda的配置项,如更改默认的安装渠道等。 -
清理缓存
conda clean --all
:清理conda的缓存、未安装包及其历史版本。 -
启动Python解释器
python
:启动当前激活环境中的Python解释器。python -V
:显示当前激活环境中的Python版本信息。
-
启动Jupyter Notebook
jupyter notebook
:在默认浏览器中打开一个新的Jupyter Notebook。
-
启动其他IDE或工具
spyder
:启动Spyder IDE。ipython
:启动IPython交互式环境。jupyter lab
:启动Jupyter Lab。
-
导入Python库(在Python解释器或脚本中)
import numpy
:导入numpy库(或其他Python库,如pandas、matplotlib等)。 -
Jupyter Notebook转换
jupyter nbconvert --to html notebook.ipynb
:将Notebook转换为HTML格式。jupyter nbconvert --to pdf notebook.ipynb
:将Notebook转换为PDF格式。jupyter nbconvert --to markdown notebook.ipynb
:将Notebook转换为Markdown格式。jupyter nbconvert --to python notebook.ipynb
:将Notebook转换为Python脚本。jupyter nbconvert --execute notebook.ipynb
:执行并转换Notebook。
-
Jupyter扩展管理
conda install -c anaconda jupyter_nbextensions_configurator
:安装Jupyter扩展配置工具。conda install nb_conda
:使Jupyter能使用Conda环境。conda install -c conda-forge jupyter_contrib_nbextensions
:安装Jupyter扩展。jupyter nbextension enable <extension_name>
:启用指定的Jupyter扩展。jupyter nbextension disable <extension_name>
:禁用指定的Jupyter扩展。jupyter nbextension list
:列出所有已安装的Jupyter扩展。
-
查看显卡状态(在选择使用GPU时)
nvidia-smi
:查看服务器上显卡的状态(需要安装NVIDIA驱动和CUDA)。