Windows上配置完整Linux开发环境（二）：Linux发行版Anaconda安装与使用

1、什么是环境在软件开发和计算机科学领域环境通常指的是一个包含软件和配置的容器提供了一个特定的运行环境或工作环境。环境可以涉及多个层面包括硬件环境、操作系统环境和软件环境。1.1、硬件环境包括计算机的物理硬件如CPUX86、ARM、RISC架构、GPU、内存、硬盘等。不同的硬件环境可能影响软件的性能和可用性。1.2、操作系统环境操作系统是计算机硬件和软件之间的桥梁提供了基本的服务和资源管理。不同的操作系统如Windows、macOS、Linux、HarmonyOS等提供不同的用户接口和系统调用影响了软件在其上运行的方式。1.3、软件环境这包括在特定系统上安装的软件、库和工具。软件环境的配置可能对应用程序的运行和开发产生重要影响。开发者通常需要创建一个独立的软件环境以确保项目的依赖项得到满足。总的来说环境是一个涵盖硬件、操作系统和软件的概念用于提供一个特定的工作或运行条件。在不同的上下文中这个词可能有不同的含义。我们的硬件和操作系统相对固定因此编程中我们所说的环境一般指软件环境。2、为什么需要Anaconda或Miniconda问题1、运行某个GitHub项目时作者使用的python2.7.0而你电脑上安装的python3.8该卸载python重新安装问题2、在进行时你是否碰到过以下报错① numba 0.54.1 requires numpy1.21,1.17,but you have numpy 1.21.5 which is incompatible.库与库之间不兼容② AttributeError: type object Callable has no attribute _abc_registrypython版本太低③ ModuleNotFoundError: No module named ‘utils‘使用了错的python版本因此我们需要一个能够创建不同软件环境的工具并且这些环境之间不互项影响还可以让我们下载不同版本的库和工具。那么一个开源的包管理系统和环境管理系统 Anaconda 和 Miniconda 应运而生。3、什么是Anaconda和Miniconda3.1、一图以蔽之3.2、AnacondaAnaconda是python编写的一个用于科学计算、数据分析和机器学习的开源发行版它包含了一系列常用的Python库和工具以及一个强大的包管理系统。其主要特点和组件包括① Conda是Anaconda提供的包管理工具用于安装、更新、卸载软件包以及创建、导出、列出和移除环境。Conda还可以跨平台工作支持Windows、macOS和Linux。② PythonAnaconda默认安装了最新版本的Python解释器。③ Anaconda Navigator是一个图形用户界面提供了可视化的方式来管理和操作Anaconda环境、包、虚拟环境以及其他与数据科学和机器学习相关的工具。通过Anaconda Navigator用户可以轻松地启动Jupyter Notebook、Spyder、QtConsole等工具也可以创建、管理和切换虚拟环境。Navigator的直观界面使得对Anaconda的管理更加方便和可视化。④ Jupyter Notebook一个交互式的笔记本界面支持代码、文本和图形的混合编辑和执行。Jupyter Notebook是进行数据分析和可视化的强大工具。⑤ Spyder一个用于科学计算和数据分析的集成开发环境IDE。⑥ NumPy、pandas、Matplotlib、scikit-learn、SciPy用于科学计算和可视化数据的库提供多维数组对象和各种计算功能。⑦ IPython一个强化的Python交互式解释器增强了代码的交互性和可读性。3.3、MinicondaMiniconda相当于Anaconda的简化版只提供了以下组件① Conda是Anaconda提供的包管理工具用于安装、更新、卸载软件包以及创建、导出、列出和移除环境。Conda还可以跨平台工作支持Windows、macOS和Linux。② PythonAnaconda默认安装了最新版本的Python解释器。4、在Linux发行版中安装Conda在Anaconda官网选择合适的版本复制下载链接。## 手动安装可指定安装路径1、WinR输入cmd打开命令行2、输入wsl 进入Linux发行版3、当前目录是挂载到c盘的更改当前用户的主目录cd ~如果是root用户进入的是/root/如果以bob用户登陆进入的是用户的主目录即/home/bob/4、根据链接下载Anaconda或Miniconda安装包wget https://repo.anaconda.com/archive/Anaconda3-2023.09-0-Linux-x86_64.sh5、运行安装包bash Anaconda3-2023.09-0-Linux-x86_64.sh6、不要一直Enter最后几步会问是否同意许可协议按Enter就默认No选择Yes。7、最后 Anaconda 官网建议您输入“yes”来初始化 Anaconda Distribution 。8、安装完后输入conda --help显示conda用法则安装成功## 自动安装默认当前路径bash Anaconda3-2023.09-0-Linux-x86_64.sh -b将以下内容写入用户.bashrc中__conda_setup$(/root/anaconda3/bin/conda shell.bash hook 2 /dev/null)if [ $? -eq 0 ]; theneval $__conda_setupelseif [ -f /root/anaconda3/etc/profile.d/conda.sh ]; then. /root/anaconda3/etc/profile.d/conda.shelseexport PATH/root/anaconda3/bin:$PATHfifiunset __conda_setup详细参考在Linux 安装了Anaconda5、Conda 常用命令conda –V # 查看conda版本conda --help/-h # 查看帮助conda update conda # 更新 condaconda update -n base -c defaults conda # 更新 conda 软件conda search package_name # 搜索可用的所有版本包conda env list # 查看所有虚拟环境conda create --name virtual env name # 创建虚拟环境## conda create --name py37 python3.7 numpy pandasconda create --name new_env_name --clone old_env_name # 复制环境conda remove --name virtual env name --all # 删除环境及环境中的所有库conda install --name env_name package_name # 在指定环境中安装包conda update package_name # 更新当前环境中的包conda remove package_name # 移除当前环境中的安装包conda remove -n env_name package_name # 移除指定环境中的安装包conda activate virtual env name # 激活环境conda detactive virtual env name # 退出环境conda install package # 安装指定库conda list # 列出该环境已安装的包conda clean --all # 移除包缓存、索引、Lock文件conda env export my_env.yml # 导出环境配置文件conda env export -n myR my_env.yml # 导出指定名称的环境conda env export --no-builds environment.yml # 使用 no-builds 选项更通用conda env create -f my_env.yml # 根据配置文件安装环境# 示例:创建myR环境conda create -n myR r-base# 示例:清除myR环境conda remove --name myR --all6、卸载Anacondaconda install anaconda-cleananaconda-clean --yesrm -rf ~/anaconda3详细参考Anaconda官方文档和Conda常用命令大全7、conda vs mambamamba 不是 conda 的子包而是 conda 的“替代求解器/替代客户端”可以理解成“更快版本的 conda”。mamba 用 C 重写了依赖求解SAT使用方法与 conda 一模一样。可以这样理解组件类比conda传统导航系统慢但稳python 写的 solvermamba同一地图 高性能引擎快很多C写的solver并行高性能依赖解析libmambamamba 的核心引擎conda install -n base -c conda-forge mamba # 安装 mamba 到 conda base 环境以后分工场景用谁创建环境conda装复杂包shap / pytorch / xgboostmamba ⭐简单包conda 或 pip或者给 conda 设置 solver 为 libmambaconda install conda-libmamba-solver -n base -c conda-forgeconda config --set solver libmamba注意mamba conda 的“替代执行器”在使用层面可以做到替代 conda但本质上 mamba 仍在调用conda 的环境结构依赖 conda 的package 体系8、高级用法8.1、指定版本文件一次性解决所有包兼容问题conda create \--prefix $HOME/conda_envs/tabnet-py38 \python3.8 \pytorch1.8.2 \torchvision0.9.2 \torchaudio0.8.2 \cudatoolkit11.1 \numpy1.23.5 \pandas1.5.3 \scipy1.10.1 \scikit-learn1.3.2 \shap0.44.1 \pytorch-tabnet4.1.0 \-c pytorch-lts \-c nvidia \-c conda-forge \-c defaults \--dry-run # 先看是否可以结局可以的话把这个参数去掉8.2、conda 环境搬家神器另一台计算机它会自动把所有硬编码路径替换成占位符# 1. 在旧机器上安装打包工具conda install conda-pack# 2. 打包环境比如打包名为 myenv 的环境conda pack -n myenv -o myenv.tar.gz# 3. 把 myenv.tar.gz 拷贝到新机器# 4. 在新机器上解压到目标目录比如 /opt/conda/envs/myenvmkdir -p /opt/conda/envs/myenvtar -xzf myenv.tar.gz -C /opt/conda/envs/myenv# 5. 激活它正常激活即可conda activate myenv8.3、环境克隆到同一电脑的另一路径conda create -p /home/user/env2 --clone /home/user/env18.4、导出 environment.yml最干净但需要联网且要重新编译较慢conda env export env.yml# 拷到新机器在新机器重装conda env create -f env.yml -p /new/path/to/env