Package - Miniconda - 终端命令

文章摘要： Miniconda是Anaconda的轻量化的版本，只保留了命令行交互界面和常用的一些python第三方库，剔除了其他工具包。

Miniconda用于管理多个python虚拟环境和python依赖包的工具。
使用conda可以创建不同版本的python环境，能够将python进行代码隔离互不影响。

注释

在进入一个虚拟环境时，conda不会自动退出该虚拟环境。
删除虚拟环境之前，建议先退出虚拟环境。
查询虚拟环境的目录中头部有 “*” 标志时，表示当前所在环境。
在管理员权限下创建虚拟环境将会在Miniconda安装目录下的envs文件夹下。在普通用户权限下创建虚拟环境将会在用户目录下创建一个“.conda/envs”目录。
conda与pip建议选择其中一个来管理python第三方库，以防止出现不同步导致的无法解决依赖问题。

查询conda版本

#  全称
conda --version

# 简写
conda -V

升级conda

# 方法1
conda update conda

# 方法2
conda update -n base -cdefaults conda

conda虚拟环境的操作

创建虚拟环境

# '-n'命令是'--name'的缩写
conda create -n [环境名称]

# 可安装指定版本的python，默认是base环境下的python版本
conda create -n [环境名称] python=[版本号]

# 可指定虚拟环境创建的目录位置
conda create --prefix=[目录路径+环境名称]

进入虚拟环境

conda activate [环境名称]

退出虚拟环境

conda deactivate

删除虚拟环境

conda env remove -n [环境名称]

克隆虚拟环境

conda create -n [新环境名称] -clone [旧环境名称]

查询所有虚拟环境

# 方法1
conda env list
# 方法2
conda info -envs

使用conda来管理第三方库

查找并列出conda源中可用版本的第三方库

conda search [库名]

安装第三方库到当前虚拟环境

conda install [库名]

# 可以指定第三方库的版本
conda install [库名]=[版本号]

更新第三方库

conda update [库名]

删除第三方库

conda remove [库名]

查询当前环境下已安装的第三方库

conda list

conda配置文件操作

生成`.condarc`配置文件

Linux操作系统

# Linux操作系统需要手动转跳到`/home/用户/`目录下，并创建一个`.condarc`的文件。
cd "/home/用户/"
# 打开文件，若没有该文件则自动创建
vim .condarc

windows操作系统

# windows操作系统不会自动创建该文件，因此需要手动输入命令来生成。
conda cibfug --set show_channel_urls yes

手动修改配置文件讲解

# 是否在启动命令终端时自动进入`base`环境。
auto_activate_base: false

*待完善_

命令修改配置文件讲解

# 添加永久镜像源
conda config --add channels [镜像源网址]

# 查询已添加的镜像源
conda config --show channels

# 删除指定的镜像源
conda config --remove channels [镜像源网址]

# 删除索引缓存
# 在更改完镜像源后，需要清空缓存在本地的文件
conda clean -i

常用镜像源站点URL

清华conda镜像源

清华镜像源官方说明网站：https://mirror.tuna.tsinghua.edu.cn/help/anaconda/
将以下文件添加到.condarc配置文件中即可。

default_channels:
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2
custom_channels:
  conda-forge: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  msys2: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  bioconda: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  menpo: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  pytorch: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  pytorch-lts: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  simpleitk: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  deepmodeling: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/