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.