搬瓦工VPS
拥有10+机房且可自主切换机房

记录Linux Anaconda安装教程简化包管理部署(Ubuntu用Anaconda搭建Python)

什么是Anaconda?这里我们先来解释一下,Anaconda 是一个免费开源的 Python 和 R 语言的发行版本,一般都是用于用Anaconda 简化包管理和部署。我们可以利用Anaconda 包使用软件包管理系统 Conda 进行管理。其中Anaconda 包含了 conda、Python 和 150 多个科学包及其依赖项。

记录Linux Anaconda安装教程简化包管理部署(Ubuntu用Anaconda搭建Python)

我们如果有使用 Anaconda 可以方便的管理 Python 版本以及方便的安装各种 Python,是不是很方便?那我们就一起看看如何部署吧。Anaconda可以看作是python的包管理器和环境管理器。只要安装了anaconda,就相当于安装了一系列常见库。可以使用conda更方便的对第三方包进行管理,包括安装、更新和卸载。可以更方便的管理不同的环境。日常工作中肯定不止使用一个环境(不同python版本,不同依赖库),尤其是涉及到pytorch和tensorflow等库,很容易将环境破坏,因此多个环境分开管理很重要。

第一、Anaconda安装

可以直接从anaconda官网下载对应的安装包(https://www.anaconda.com/products/individual),也可以从Anaconda installer archiv选择对应的版本,注意对应的操作系统(Mac、Linux)、python版本和操作系统的位数。下载完后直接bash安装即可。

bash Anaconda3-2019.03-Linux-x86_64.sh

默认安装在/home/用户名目录下,可以选择修改。在是否将配置写入.bashrc时选择yes。安装完成后更新配置source ~/.bashrc,即可正常使用conda。

第二、修改conda国内源

将默认源切换为国内的源,这样在安装python的一些库的时候会快不少。可以选择清华源或中科大源。vim ~/.condarc打开conda的配置文件,将下面的内容添加进去。

channels:
  - defaults
show_channel_urls: true
channel_alias: https://mirrors.tuna.tsinghua.edu.cn/anaconda
default_channels:
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/pro
  - 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
  simpleitk: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud

第三、创建虚拟环境

anaconda安装时有一个默认的环境,里面已经提供了如numpy,scipy,pandas等常用的库。如果项目需要新的库,建议新建一个虚拟环境,不要直接对默认的环境进行修改。conda创建新的虚拟环境命令如下。

# 创建一个名为py3的虚拟环境,python版本3.6,其他的依赖库都需要手动去安装
conda create -n py3 python=3.6

# 创建一个名为segmentation的虚拟环境,python版本和依赖库都和base环境一致
conda create -n segmentation --clone base

# 还可以直接clone别的用户的虚拟环境,这样就不用自己去搭了
conda create -n segmentation --clone /home/xxx/anaconda3/envs/segment

可以通过conda env list或conda info -e命令查看安装成功的虚拟环境:

# conda environments:
虚拟环境名                 路径
base                     /home/zhangxiao/anaconda3
dw_py3                   /home/zhangxiao/anaconda3/envs/dw_py3
py3_env                  /home/zhangxiao/anaconda3/envs/py3_env
segmentation          *  /home/zhangxiao/anaconda3/envs/segmentation
*对应了当前激活的虚拟环境

通过conda activate 环境名切换使用的虚拟环境

第四、搭建环境依赖库

虚拟环境创建成功后,如果不是直接clone的现成环境,还需要安装一些缺少的库。一般有两种方法,conda和pip

1. conda

conda create -n myenv numpy
conda install numpy
conda install -c conda-forge gdcm

2. pip

修改pip源,vim ~/.pip/pip.conf。把下面这句话添加进去

[global]
index-url = https://pypi.tuna.tsinghua.edu.cn/simple
[install]
trusted-host=pypi.tuna.tsinghua.edu.cn

pip -V查看pip命令对应的pip版本,一般会把库安装到当前的虚拟环境下。

pip 19.0.3 from /home/zhangxiao/anaconda3/envs/py3_env/lib/python3.7/site-packages/pip (python 3.7)

使用pip安装python包

pip install opencv-python
pip install shapely

有时候pip会出现not found的错误,这时候需要重新安装pip

curl https://bootstrap.pypa.io/get-pip.py -o get-pip.py
python get-pip.py --force-reinstall

第五、远程写代码和调试

服务器上的环境搭好了,下面需要在本地进行代码调试,常用的有三种方法。

1. 使用vim在终端编码和调试

2. 借助pycharm和vscode

pycharm可以将终端的文件和环境一块拷贝到本地,并且直接在本地运行和调试,使用起来十分方便。但是需要使用专业版的,而且所有相关文件都要拷贝到本地;VScode可以借助sftp插件,将需要编辑的文件拉到本地,修改完毕之后上传到服务器,在服务器上运行和调试。

赞(0)
未经允许不得转载:搬瓦工中文网 » 记录Linux Anaconda安装教程简化包管理部署(Ubuntu用Anaconda搭建Python)