conda切换环境命令,conda切换路径

conda切换环境是出现“Could not find conda environment”

安装anaconda环境完成后，使用命令：

发现激活目标环境是，提示没有环境，但是通过命令：

查看后发现环境是存在的

再通过命令：

原因是路径问题。

解决方法：

让你的 conda "回滚" 到以前版本的环境

我现在使用 Anaconda 作为我的主要 Python 发行版，同样，我们公司也将它用于所有开发人员机器以及他们的服务器。然而，前几天我在浏览一些论坛技术文章时遇到了一个我以前从未知道的 conda 精彩功能——conda 版本回滚！在这里给大家分享一下。

举一个最简单的例子。如果我们运行 conda list --revisions ，我们会得到这样的输出：

在上面的输出中，我们可以看到我的 conda 环境的许多特定版本（或修订版），以及它们的创建日期/时间以及差异（已安装的软件包显示为 + ，已卸载的显示为 - 和升级的显示为 - ）。 如果要恢复到以前的版本，只需运行 conda install --revision N （其中N是修订号）即可。 这将要求你确认相关的软件包卸载/安装，并让您回到原来的位置！

所以，我认为这非常棒！如果你搞砸了，想要回到以前的工作环境，真的很方便。

首先，如果你“恢复”到之前的修订版，那么你会发现创建了一个“逆”修订版，只是做了与之前修订版相反的版本。例如，如果您的修订列表如下所示：

接着，通过运行 conda install --revision 1 恢复到修订版1，然后再次运行 conda list --revisions ，你会得到：

我们可以看到修订版 3 的更改只是修订版 2 的反转。

还有一点是我发现所有这些数据都存储在环境的 conda-meta 目录中的历史文件中（默认环境对应于 CONDA_ROOT/conda-meta ；其他环境对应于 CONDA_ROOT/envs/ENV_NAME/conda-meta ）。你不想知道为什么我去搜索这个文件（这是一个长篇故事，涉及我的一些愚蠢），但它有一些非常有用的内容：

具体来说，它不仅仅提供已安装，卸载或升级的列表，它还为您提供了运行的命令！ 如果需要，可以使用一些命令行魔法来提取这些命令：

最后，我发现 environment.yml 文件有时会有点痛苦（它们并不总是跨平台兼容 - 请参阅 anaconda-issues: 546 ）， 所以通过 conda install --revision N 实现 conda 回滚非常有用，因为它实际上给了我运行创建环境的命令。

conda 迁移环境

更换pc后重建conda环境如果一个一个软件包安装是一个十分麻烦的事情。

conda提供了命令

将当前环境下的所有依赖存储在 env.yaml 中

以上为一个示例，注意当需要更换平台时，如 win 上导出到 MacOS 上创建环境，需要在导出环境时添加 --no-build 。

即可创建新的同名环境。

发现返回信息

经过检查，环境成功创建了，但是只安装了 conda install 命令安装的软件包。

env.yaml 文件中的 pip 之后的依赖包并没有安装。

这时需要在源环境导出pip安装的软件包信息

用 pip 安装没有安装的依赖包

这时，新的报错

产生这个报错的原因有两种

主要是 g++ 和 gcc 的原因。

可以查看

首先检查 gcc 和 g++ 版本是否一致。

如果没有安装

安装缺失的，并保持版本一致。

之后在用pip安装就可以了

jupyter多个虚拟环境间切换

jupyter只需安装一个即可。用conda（不管是Anaconda还是Miniconda）一般会创建多个虚拟环境，这些环境中的python版本以及各种库的配置和版本也都是不一样的，此时我们希望jupyter能为每个虚拟环境单独处理！

下面从用conda安装虚拟环境开始，以pytorch的安装作为测试。下面都是Miniconda下进行的。

初始：从Anaconda Prompt中打开cmd，此时显示的初始conda环境为（base）环境！

创建命令：conda create -n pytorch_gpu

效果：创建的名为pytorch_gpu的虚拟环境会在暗转的Miniconda下的envs文件夹中！

激活命令：conda activate pytorch_gpu

效果：环境从（base）变为（pytorch_gpu）；说明已经进入成功；

安装命令：conda install pytorch torchvision torchaudio cudatoolkit=11.0 -c pytorch

效果：把pip、numpy、cudatoolkit、pywin32都一并安好

进一步安装命令：

退出命令：conda deactivate

效果： 环境从（pytorch_gpu）变回（base）；说明已经退出成功；

注：退出命令不需要后面跟“虚拟环境名”，因此此时已经在环境内了。

（1）安装必备的包：pip install ipykernel

（2）为虚拟环境创建kernel文件：conda install -n 环境名称 ipykernel

（3）在jupyter中激活这个kernel文件：python -m ipykernel install --user --name 环境名称 --display-name '显示的名称'

（4）验证是否创建对了：主要查看python的版本号 + 特殊的库

注：创建好jupyter notebook的 'pytorch_gpu' 虚拟环境后，可以在 任何地址 处创建.ipynb文件！ 即 ' 虚拟环境的创建位置 ' 与 '相应的.ipynb文件的创建位置' 是不一样的！

一系列验证命令：

Linux python默认使用conda

本篇介绍如何让linux在不激活任何环境时，调用python命令直接使用到conda的某个子环境。

首先说明本篇文章的工作原由，以及踩过的坑。

在之前的工作中，一般进行python开发都会使用conda进行包管理，以达到隔离多个环境的目的。例如：

问题来了，在一些场景中，外部程序需要调用服务器上的api，又无法做出 conda activate 的命令，命令是直接使用 python xxx.py ，这时候只能使用linux自带的python命令，或者conda的base环境的python命令。所以需要将环境搭建在linux的python或者conda的base。搭建过程中，遇到的问题来自两个方面：

解决方法：将linux默认的python做软链接，链接到conda的子环境。

创建环境： conda create -n child_env python=3.6

切换环境： conda activate child_env

安装pytorch： conda install pytorch torchvision cudatoolkit=10.0

安装tensorflow： conda install tensorflow-gpu

安装其他包： conda install xxx,xxx,...

先将老的链接备份： mv /usr/bin/python /usr/bin/python22

再做链接： ln -s /root/anaconda3/envs/child_env/bin/python3 /usr/bin/python

第一个路径需要改成自己的anaconda路径，child_env改成自己的环境名，第二个路径不用改。

先关掉conda环境： conda deactivate

再运行： python xxx.py

用这个方法，虽然解决了直接调用python命令的问题。但是引入了新的问题。

更换默认python版本