conda的常用命令

conda的常用命令

1.查看conda版本

$ conda --version
conda 23.11.0

2.查看conda的配置信息

$ conda info

     active environment : base
    active env location : /home/myPc/miniconda3
            shell level : 1
       user config file : /home/myPc/.condarc
 populated config files : 
          conda version : 23.11.0
    conda-build version : not installed
         python version : 3.11.5.final.0
                 solver : libmamba (default)
       virtual packages : __archspec=1=skylake
                          __conda=23.11.0=0
                          __cuda=12.2=0
                          __glibc=2.35=0
                          __linux=6.5.0=0
                          __unix=0=0
       base environment : /home/myPc/miniconda3  (writable)
      conda av data dir : /home/myPc/miniconda3/etc/conda
  conda av metadata url : None
           channel URLs : https://repo.anaconda.com/pkgs/main/linux-64
                          https://repo.anaconda.com/pkgs/main/noarch
                          https://repo.anaconda.com/pkgs/r/linux-64
                          https://repo.anaconda.com/pkgs/r/noarch
          package cache : /home/myPc/miniconda3/pkgs
                          /home/myPc/.conda/pkgs
       envs directories : /home/myPc/miniconda3/envs
                          /home/myPc/.conda/envs
               platform : linux-64
             user-agent : conda/23.11.0 requests/2.31.0 CPython/3.11.5 Linux/6.5.0-17-generic ubuntu/22.04.3 glibc/2.35 solver/libmamba conda-libmamba-solver/23.12.0 libmambapy/1.5.3
                UID:GID : 1000:1000
             netrc file : None
           offline mode : False

上面我们可以得到几个比较重要的信息：
1、conda的配置文件
2、conda的env目录地址
3、conda安装时，采用的conda远程仓库地址

3.查看env环境

$ conda env list
# conda environments:
#
base                  *  /home/myPc/miniconda3

4.创建/激活/取消激活/删除一个新的环境

# 创建环境
$ conda create -n myEnv 
# 如何创建的同时，需要预安装依赖包，则可以这样: conda create -n myEnv tensorflow-gpu
# 若需要制定版本，如：conda create -n myEnv tensorflow-gpu=2.0

# 激活
$ conda activate myEnv

# 取消激活
$ conda deactivate myEnv

# 删除
$ conda env remove -n myEnv

5.搜索一个依赖包

$ conda search pytorch-cpu
Loading channels: done
# Name                       Version           Build  Channel             
pytorch-cpu                    1.2.0               0  pkgs/main           
pytorch-cpu                    1.3.1               0  pkgs/main           
pytorch-cpu                    2.1.0      h2657520_0  pkgs/main 

6.安装/删除一个依赖包

# 安装依赖包
$ conda install pytorch
# 指定版本安装依赖 conda install pytorch=2.1.0
# 也可采用通配 pytorch=2.*

# 删除一个依赖
$ conda remove pytorch

7.查看conda仓库地址

# 查看配置channels参数
$ conda config --show channels
# 也可以使用 conda info 命令

8.查conda的用户配置文件信息

# 直接查看.condarc文件
$ conda config --show-sources
==> /home/myPc/.condarc <==
channels:
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free
show_channel_urls: True

9.配置conda的远程仓库地址

# 追加config配置参数
$ conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free
$ conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
$ conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r

# 设置config配置中的参数
$ conda config --set show_channel_urls yes

关于conda远程仓库的设置详细见这里

快速了解conda环境情况的步骤

1.step、查看conda环境conda env list
2.step、查看配置情况，了解当前基本配置conda info或conda config --show
3.step、查看当前环境已安装的所有依赖conda list
4.step、准备安装新的包

• 4.0.step、添加镜像源conda config --add channels
• 4.1.step、搜索一下当前仓库配置下有什么版本的包conda search
• 4.2.step、安装依赖conda install =