《深度学习与图像识别:原理与实践》—2.2.2 conda

举报
华章计算机 发表于 2019/07/24 19:54:20 2019/07/24
【摘要】 本节书摘来自华章计算机《深度学习与图像识别:原理与实践》一书中的第2章,第2.2.2节,作者是魏溪含 涂铭 张修鹏。

2.2.2 conda

由于在后续的学习过程中,我们将多次用到conda,因此本书单独组织一个小节来介绍它。

1.包的安装和管理

conda对包的管理都是通过命令行来实现的(Windows用户可以参考面向Windows的命令提示符教程),若想要安装包,那么在终端中输入conda install package_name即可。例如,要安装Numpy,输入如下代码:

conda install numpy

你可以同时安装多个包。类似conda install numpy scipy pandas的命令会同时安装所有这些包。你还可以通过添加版本号(例如,conda install numpy=1.10)来指定所需的包版本。

conda还会自动为你安装依赖项。例如,scipy依赖于Numpy,如果你只安装scipy(conda install scipy),则conda还会安装Numpy(如果尚未安装的话)。

conda的大多数命令都是很直观的。要卸载包,请使用conda remove package_name;要更新包,请使用conda update package_name。如果想更新环境中的所有包(这样做常常很有用),请使用conda update --all。最后,要想列出已安装的包,请使用前面提过的conda list。

如果不知道要找的包的确切名称,可以尝试使用conda search search_term进行搜索。例如,我想安装Beautiful Soup,但我不清楚包的具体名称,可以尝试执行conda search beautifulsoup,结果如图2-5所示。

 image.png

图2-5 通过conda搜索beautifulsoup

conda将几乎所有的工具,包括第三方包都当作package对待,因此conda可以打破包管理与环境管理的约束,从而能够更高效地安装各种版本的Python以及各种package,并且切换起来也很方便。

2.环境管理

除了管理包之外,conda还是虚拟环境管理器。环境能让你分隔用于不同项目的包。在实际工作中常常需要使用依赖于某个库的不同版本的代码,例如,你的代码可能使用了Numpy中的新功能,或者使用了已删除的旧功能。实际上,不可能同时安装两个Numpy版本。你要做的就是,为每个Numpy版本创建一个环境,然后在对应的环境中工作。这里再补充一下,每一个环境都是相互独立、互不干预的。

我们在上文中提到过不同的章节需要不同的运行环境,下面举例说明:

image.png


【版权声明】本文为华为云社区用户转载文章,如果您发现本社区中有涉嫌抄袭的内容,欢迎发送邮件进行举报,并提供相关证据,一经查实,本社区将立刻删除涉嫌侵权内容,举报邮箱: cloudbbs@huaweicloud.com
  • 点赞
  • 收藏
  • 关注作者

评论(0

0/1000
抱歉,系统识别当前为高风险访问,暂不支持该操作

全部回复

上滑加载中

设置昵称

在此一键设置昵称,即可参与社区互动!

*长度不超过10个汉字或20个英文字符,设置后3个月内不可修改。

*长度不超过10个汉字或20个英文字符,设置后3个月内不可修改。