미니콘다 指令教學

Miniconda 本質上與 Anaconda 一樣,是支援如 Python 的套件管理工具,只是它沒有提供 GUI 介面,看似較為不便,但若熟悉指令的話實際上能做到許多 GUI 介面做不到的功能,而且因為沒有 GUI 介面的緣故速度上快 Anaconda 許多 (Anaconda 超慢...),所佔空間也較少.

在 在 安裝 開始 開始, 我們 需要 了解 了解 何謂 虛擬 環境 環境 (가상 환경),, 概念 有 些 類似 類似 컨테이너, 虛擬 環境 的 的 建置 建置 是 是 為了 為了 方便 區別 區別 不同 的 專案 專案 我們 同時 需要 兩 個 個 個 專案 專案 專案 但 但 所 需 需 套件 與 與 與 與 與 與 與 與 與 與 python 版本皆不同,此時虛擬環境便可以把這兩者獨立出來,互不相干,例如:
  • 가상 환경 A: Python 3.8 + PyTorch
  • 가상 환경 B: Python 3.10 + Django



  • 설치


  • 勾選 Add Miniconda3 To My PATH Environment Variable
  • 현재 사용자에 대해서만 사용자 설치
  • 아나콘다 프롬프트 사용(Miniconda) 如下圖所示
  • base 是安裝後自動生成的虛擬環境,可以另外建立新的或是沿用之,這邊我另外了一個虛擬環境名叫 da .




  • 미니콘다 相關




    conda --version # 查看 conda 版本
    conda update conda # 更新 conda
    conda info # conda 基礎資訊
    



    虛擬環境相關




    # 查看目前已建立的虛擬環境 (有*者為當前激活的) 
    conda env list 
    
    # 創建虛擬環境
    conda create --name <your_env_name> python=3.10 # 指定 python 版本
    python --version # 查看虛擬環境內 python 版本
    
    # 激活虛擬環境
    conda activate <your_env_name>
    
    # 關閉虛擬環境
    conda deactivate
    
    # 刪除虛擬環境 
    conda env remove --name <your_env_name>
    



    패키지 常見操作




    conda list # 查看虛擬環境安裝了那些 package
    
    # 此處以 scikit-learn 為例
    conda install -c conda-forge scikit-learn # install scikit-learn
    conda list scikit-learn  # to see which scikit-learn version is installed
    conda update scikit-learn # To update scikit-learn
    conda remove --name <your_env_name> scikit-learn  # 刪除虛擬環境中的 package
    



    安裝常見 패키지




    conda install pip
    conda install ipykernel # for Jupyter
    conda install pywin32 # use conda # to solve ImportError: DLL load failed while importing win32api
    conda install pandas
    conda install numpy
    conda install matplotlib
    conda install seaborn
    conda install -c conda-forge scipy
    conda install -c conda-forge scikit-learn 
    



    클론 환경



    如果嫌每次安裝 패키지 太麻煩,也可以直接透過備份與還原省去其麻煩.

    # backup 
    conda activate <env_you_want>
    conda list --explicit > spec-file.txt # export package list to spec-file.txt
    
    # restore
    conda create --name myenv --file spec-file.txt # creat env with spec-file.txt
    



    Visual Studio Code에서 Jupyter Notebook 사용



    에서 Miniconda 와 Visual Studio Code 都是 현재 사용자 전용으로 설치,先確認在欲使用的的 Environment 中已經安裝 Ipykernel 這個 Package 後,在Visual Studio Code 安裝如左欄的 Extensions,同時在右上角選取欲用的인 Environment,利用快捷鍵Ctrl+Shift+P 開啟Create New Jupyter Notebook 的選項即可撰寫程式碼了,若是Vscode 一直不能連結到 Kernel ,可以嘗試文章的解法.

    좋은 웹페이지 즐겨찾기