包管理和環境管理(以下操作也可在anaconda界面，進行可視化操作)

包管理：包的安裝、卸載、更新和查找等等

conda命令

conda install <包名稱列表>

同時安裝多個包

conda install numpy scipy

指定安裝的版本(=，==均可)

conda install numpy=1.10

conda install numpy==1.10

使用conda安裝時能自動安裝相應的依賴包

安裝包 conda install <包名稱列表>

卸載包 conda remove <包名稱列表>

更新包 conda update <包名稱列表>

搜索包 conda search <搜索項>

查看所有包 conda list

升級包版本 conda update <包名稱>

在下載源地址中添加清華大學開源軟件鏡像站

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/

pip命令

安裝包 pip install? <包名稱列表>

卸載包 pip uninstall <包名稱列表>

pip install numpy

pip install matplotlib

pip install tensorflow==2.0.0 beta(不能使用=)

?

環境管理

創建環境

conda create env --name <環境名稱><包名稱列表>(參數使用全程name時，前面要使用雙減號)

conda create --name <環境名稱><包名稱列表>

conda create env -n <環境名稱><包名稱列表>

conda create -n <環境名稱><包名稱列表>

示例

conda create -n py2(包名稱)?python=2.7 pandas(包名稱列表)

conda create --name py3 python=3.7

?

激活環境(切換環境)

Windows系統 activate <環境名稱>

其他系統 source activate <環境名稱>

退出當前環境

Windows系統 deactivate <環境名稱>

其他系統 source deactivate <環境名稱>

顯示所有環境

查看當前系統已經創建環境的基本信息

conda env list

刪除環境

conda env remove --name<環境名稱>--all

conda remove --name<環境名稱> --all

conda env remove -n<環境名稱> --all

conda remove -n<環境名稱> --all

導出環境

當分享代碼的時候，同時也需要將代碼的運行環境進行分享

conda env export > environment.yml(環境配置文件)

配置環境

當執行他人的代碼時，也需要配置相應的環境。這時可以使用對方分 享的YAML文件來創建同樣的運行環境。

conda env creat -f environment.yml

課程鏈接：https://www.icourse163.org/course/XUST-1206363802?tid=1206674203

個人公眾號

總結

以上是生活随笔為你收集整理的神经网络与深度学习——TensorFlow2.0实战(笔记)(二)(包管理和环境管理)的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。