google search conda cheat sheet your version, there are always there. Because maintainer is ANACONDA
4.6.0 here
- 使用Conda做環境管理比起pip + pyenv, 或是 pipenv 來說，優勢在於:
- 將非python 底層的package compile好 - 例如tensorflow, dlib
- 處理package矛盾
- 使用conda的壞處? 即安裝一個pkg會多安裝很多，有些並非是開發者要安裝的東西
-
多個channel安裝多個package
- conda create -dn env_name -c channel_1 channel_2 python=your_version pkg_1 pkg_2
-
解矛盾很慢:
- 從官網了解conda install時做了什麼事
- 下 --override channel 舊的channel就不要搜尋了
-
conda的環境能不能重新命名? 直接改anaconda3/env/的資料夾名稱可以嗎?
-
可以啊只是會有一大堆路徑問題讓你哭出來
-
基本上概念就是 create cloned env, remove 原本的
- Note : 就算原本的env有一些pip install的套件，conda clone still work well.
- 實例 : conda install tensorflow-gpu=1.14.0 cudatoolkit=10.1 cudadnn=7.6.4 pip install dlib with python=3.6，可以被clone。
-
conda create --name new_name --clone old_name
conda remove --name old_name --all # or its alias: `conda env remove --name old_name`
-
conda 矛盾解不開的就表示無法做到了嗎?
-
並不是，這時候google, stackoverflow, github issue查查看就對了，通常我們不是第一個遇到問題的人
- 實例 : python 3.6 with dlib, conda failed, but pip work well。
-
-
conda界的
pip install -r requirements- environment.yml
- check on stackoverflow
- 有一項demo.yml放在這裡
- 可以選擇預設channel，也可以每個安裝都選好特定的channel，最後再執行pip安裝