伺服器怎麼激活conda

Ⅰ python anaconda 怎麼安裝

Anaconda的安裝
Anaconda的下載頁參見官網下載，linux、Mac、Windows均支持。
安裝時，會發現有兩個不同版本的Anaconda，分別對應Python 2.7和Python 3.5，兩個版本其實除了這點區別外其他都一樣。後面我們會看到，安裝哪個版本並不本質，因為通過環境管理，我們可以很方便地切換運行時的Python版本。（由於我常用的Python是2.7和3.4，因此傾向於直接安裝Python 2.7對應的Anaconda）
下載後直接按照說明安裝即可。這里想提醒一點：盡量按照Anaconda默認的行為安裝——不使用root許可權，僅為個人安裝，安裝目錄設置在個人主目錄下（Windows就無所謂了）。這樣的好處是，同一台機器上的不同用戶完全可以安裝、配置自己的Anaconda，不會互相影響。
對於Mac、Linux系統，Anaconda安裝好後，實際上就是在主目錄下多了個文件夾（~/anaconda）而已，Windows會寫入注冊表。安裝時，安裝程序會把bin目錄加入PATH（Linux/Mac寫入~/.bashrc，Windows添加到系統變數PATH），這些操作也完全可以自己完成。以Linux/Mac為例，安裝完成後設置PATH的操作是

1
2
3
4

# 將anaconda的bin目錄加入PATH，根據版本不同，也可能是~/anaconda3/bin
echo 'export PATH="~/anaconda2/bin:$PATH"' >> ~/.bashrc
# 更新bashrc以立即生效
source ~/.bashrc

配置好PATH後，可以通過which conda或conda --version命令檢查是否正確。假如安裝的是Python 2.7對應的版本，運行python --version或python -V可以得到Python 2.7.12 :: Anaconda 4.1.1 (64-bit)，也說明該發行版默認的環境是Python 2.7。
Conda的環境管理
Conda的環境管理功能允許我們同時安裝若干不同版本的Python，並能自由切換。對於上述安裝過程，假設我們採用的是Python 2.7對應的安裝包，那麼Python 2.7就是默認的環境（默認名字是root，注意這個root不是超級管理員的意思）。
假設我們需要安裝Python 3.4，此時，我們需要做的操作如下：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18

# 創建一個名為python34的環境，指定Python版本是3.4（不用管是3.4.x，conda會為我們自動尋找3.4.x中的最新版本）
conda create --name python34 python=3.4

# 安裝好後，使用activate激活某個環境
activate python34 # for Windows
source activate python34 # for Linux & Mac
# 激活後，會發現terminal輸入的地方多了python34的字樣，實際上，此時系統做的事情就是把默認2.7環境從PATH中去除，再把3.4對應的命令加入PATH

# 此時，再次輸入
python --version
# 可以得到`Python 3.4.5 :: Anaconda 4.1.1 (64-bit)`，即系統已經切換到了3.4的環境

# 如果想返回默認的python 2.7環境，運行
deactivate python34 # for Windows
source deactivate python34 # for Linux & Mac

# 刪除一個已有的環境
conda remove --name python34 --all

用戶安裝的不同python環境都會被放在目錄~/anaconda/envs下，可以在命令中運行conda info -e查看已安裝的環境，當前被激活的環境會顯示有一個星號或者括弧。
說明：有些用戶可能經常使用python 3.4環境，因此直接把~/anaconda/envs/python34下面的bin或者Scripts加入PATH，去除anaconda對應的那個bin目錄。這個辦法，怎麼說呢，也是可以的，但總覺得不是那麼elegant……
如果直接按上面說的這么改PATH，你會發現conda命令又找不到了（當然找不到啦，因為conda在~/anaconda/bin里呢），這時候怎麼辦呢？方法有二：1. 顯式地給出conda的絕對地址 2. 在python34環境中也安裝conda工具（推薦）。
Conda的包管理
Conda的包管理就比較好理解了，這部分功能與pip類似。
例如，如果需要安裝scipy：

1
2
3
4
5
6
7

# 安裝scipy
conda install scipy
# conda會從從遠程搜索scipy的相關信息和依賴項目，對於python 3.4，conda會同時安裝numpy和mkl（運算加速的庫）

# 查看已經安裝的packages
conda list
# 最新版的conda是從site-packages文件夾中搜索已經安裝的包，不依賴於pip，因此可以顯示出通過各種方式安裝的包

conda的一些常用操作如下：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19

# 查看當前環境下已安裝的包
conda list

# 查看某個指定環境的已安裝包
conda list -n python34

# 查找package信息
conda search numpy

# 安裝package
conda install -n python34 numpy
# 如果不用-n指定環境名稱，則被安裝在當前活躍環境
# 也可以通過-c指定通過某個channel安裝

# 更新package
conda update -n python34 numpy

# 刪除package
conda remove -n python34 numpy

前面已經提到，conda將conda、python等都視為package，因此，完全可以使用conda來管理conda和python的版本，例如

1
2
3
4
5
6
7
8
9

# 更新conda，保持conda最新
conda update conda

# 更新anaconda
conda update anaconda

# 更新python
conda update python
# 假設當前環境是python 3.4, conda會將python升級為3.4.x系列的當前最新版本

補充：如果創建新的python環境，比如3.4，運行conda create -n python34 python=3.4之後，conda僅安裝python 3.4相關的必須項，如python, pip等，如果希望該環境像默認環境那樣，安裝anaconda集合包，只需要：

1
2
3
4
5
6

# 在當前環境下安裝anaconda包集合
conda install anaconda

# 結合創建環境的命令，以上操作可以合並為
conda create -n python34 python=3.4 anaconda
# 也可以不用全部安裝，根據需求安裝自己需要的package即可

設置國內鏡像
如果需要安裝很多packages，你會發現conda下載的速度經常很慢，因為Anaconda.org的伺服器在國外。所幸的是，清華TUNA鏡像源有Anaconda倉庫的鏡像，我們將其加入conda的配置即可：

1
2
3
4
5
6

# 添加Anaconda的TUNA鏡像
conda config --add channels
# TUNA的help中鏡像地址加有引號，需要去掉

# 設置搜索時顯示通道地址
conda config --set show_channel_urls yes

執行完上述命令後，會生成~/.condarc(Linux/Mac)或C:UsersUSER_NAME.condarc文件，記錄著我們對conda的配置，直接手動創建、編輯該文件是相同的效果。
跋
Anaconda具有跨平台、包管理、環境管理的特點，因此很適合快速在新的機器上部署Python環境。總結而言，整套安裝、配置流程如下：
下載Anaconda、安裝
配置PATH（bashrc或環境變數），更改TUNA鏡像源
創建所需的不用版本的python環境
Just Try!

Ⅱ conda 中配置 jupyter notebook 環境 踩過的坑

這個過程僅需要兩步：

（註：本人使用過程中，特別慢導致最後出現「Time Out」的超時錯誤，故在後面添加了豆瓣源，可以加快升級速度），建議使用如下命令：python -m pip install --upgrade pip -i https://pypi.douban.com/simple/
成功後可以輸入 pip --version 查看pip版本。

輸入命令：pip install tensorflow-cpu==2.2.0 -i https://pypi.douban.com/simple/
等待安裝結束即可完成安裝。

安裝完成後，可以輸入"python"命令進入python環境，再輸入命令：import tensorflow，沒有報錯即說明安裝成功。
查看tensorflow版本，如下方式：

輸入exit()，即可退出python環境。
也可以在(base)中輸入 jupyter notebook，在jupyter環境中輸入命令查看。

前奏：自行安裝anaconda，並創建虛擬環境

首先安裝ipykernel
在terminal下執行命令行：conda install ipykernel
在虛擬環境下創建kernel文件
在terminal下執行命令行：conda install -n 環境名稱 ipykernel
比如我的虛擬環境叫python27（後面舉例都默認這個虛擬環境），那麼我的就是：conda install -n python27 ipykernel

激活conda環境
在terminal下執行命令行：
windows版本:activate 環境名稱 我的命令是：activate python27
linux版本:source activate 環境名稱我的命令是：activate python27

將環境寫入notebook的kernel中
python -m ipykernel install --user --name 環境名稱 --display-name "在jupyter中顯示的環境名稱"

這里引號裡面的名稱自己可以隨便起，用於在jupyter裡面做標識，這里我仍然在jupyter裡面叫python27，所以我的命令是：python -m ipykernel install --user --name python27 --display-name "python27"

打開notebook伺服器
在terminal下執行命令行jupyter notebook

上面的相關步驟就可以完成jupyter的相關配置，但是如果經常需要用jupyter notebook，那麼最好在創建虛擬環境的時候便安裝好ipykernel
命令：conda create -n 環境名稱 python=3.5 ipykernel

另外刪除kernel環境：
jupyter kernelspec remove 環境名稱

1、 解決anaconda中jupyter無法import已安裝模塊問題

Ⅲ 如何在Mac版本的python中使用anaconda環境

下載 Anaconda
直接在官網下載安裝包， 選擇 Python3.6 的安裝包進行下載，下載完成後直接安裝，安裝過程選擇默認配置即可，大約需要1.8G的磁碟空間。
conda 工具介紹
conda 是 Anaconda 下用於包管理和環境管理的工具，功能上類似 pip 和 vitualenv 的組合。安裝成功後 conda 會默認加入到環境變數中，因此可直接在命令行窗口運行命令 conda
conda 的環境管理與 virtualenv 是基本上是類似的操作。
# 查看幫助
conda -h
# 基於python3.6版本創建一個名字為python36的環境
conda create --name python36 python=3.6
# 激活此環境
activate python36
# 再來檢查python版本，顯示是 3.6
python -V
# 退出當前環境
deactivate python36
# 刪除該環境
conda remove -n python36 --all
# 或者
conda env remove -n python36

# 查看所以安裝的環境
conda info -e
python36 * D:\Programs\Anaconda3\envs\python36
root D:\Programs\Anaconda3

conda 的包管理功能可 pip 是一樣的，當然你選擇 pip 來安裝包也是沒問題的。
# 安裝 matplotlib
conda install matplotlib
# 查看已安裝的包
conda list
# 包更新
conda update matplotlib
# 刪除包
conda remove matplotlib

在 conda 中 anything is a package。conda 本身可以看作是一個包，python 環境可以看作是一個包，anaconda 也可以看作是一個包，因此除了普通的第三方包支持更新之外，這3個包也支持。比如：
# 更新conda本身
conda update conda
# 更新anaconda 應用
conda update anaconda
# 更新python，假設當前python環境是3.6.1，而最新版本是3.6.2，那麼就會升級到3.6.2
conda update python

修改鏡像地址
Anaconda 的鏡像地址默認在國外，用 conda 安裝包的時候會很慢，目前可用的國內鏡像源地址有清華大學的。修改 ~/.condarc (Linux/Mac) 或 C:\Users\當前用戶名\.condarc (Windows) 配置：
channels:
-
- defaults
show_channel_urls: true

如果使用conda安裝包的時候還是很慢，那麼可以考慮使用pip來安裝，同樣把 pip 的鏡像源地址也改成國內的，豆瓣源速度比較快。修改 ~/.pip/pip.conf (Linux/Mac) 或 C:\Users\當前用戶名\pip\pip.ini (Windows) 配置：
[global]
trusted-host = pypi.douban.com
index-url =

環境搭建好之後就可以開始愉快地玩數據分析了。
來源：Anaconda 入門安裝教程 - FooFish

Ⅳ 【生信基礎】conda 安裝R和R包

conda 安裝R環境，主要命令如下：

2.激活創建的環境,後面安裝的包和軟體都會在此環境中進行

3.安裝所需要的包

4.關閉此環境

安裝完R環境後，export 相應的path，如下

安裝相關的包，例如ballgown：

if (!requireNamespace("BiocManager", quietly = TRUE))
install.packages("BiocManager")

BiocManager::install("ballgown")

注意，如果不export 相應的path，R安裝包時很容易找不到相應的程序，如：
/bin/sh: x86_64-conda_cos6-linux-gnu-c++: command not found