在Ubuntu、CentOS上安装Anaconda
Anaconda是最流行的数据科学和机器学习Python发行版本，可于大规模数据处理，预测分析和科学计算。 首先，不建议在空间有限的服务器安装Anaconda，它安装之后就点了7G的空间，如果，如果创建了两个以上的深度学习的虚拟环境，很容易上到15个G。所以建议安装在本地的Linux系统。Windows的安装教程网卡有很多，这里就不更重复。 下载Anacon [...]
配置不同的JupyterLab并添加不同conda虚拟环境
一、让JupyterLab识别不同的conda虚拟环境 我们会因为不同项目而配置不同的虚拟环境，很多因为要做数据分析而安装Anaconda，它的conda也可以为不同项目建立不同的虚拟环境。因为安装Anaconda后默认只有一个JupyterLab。建立其它虚拟环境之后，如果想使用JupyterLab跑这个项目，其实没有在每个不同的虚拟环境安装一个Jupyt [...]
JupyterLab删除不同核心环境
查看当前核心环境，输入jupyter kernelspec list 如果系统还安装有Python2 则会在这里显示有python2。如果之前用过Pycharm按照它的提示安装过它的核心环境，也会有类似pycharm环境。而后者其实是同你的base或本机环境是同一个环境。如果是不小心添加的，可以用以下方式删除。 输入jupyter kernelspec re [...]
Python环境部署（二） —— conda依赖包迁移
转载自CSDN博客，作者：Forskamse 原文链接：https://blog.csdn.net/zbgjhy88/article/details/98845719 本人在维修电脑的过程，发现某些包或文件会因为蓝屏损坏，变得不可读写，JupyterLab频频出错，于是考虑迁移其它环境，重装Anaconda，重置Base环境。也发现，无法按照官方的教程来迁移 [...]
Python环境部署（一） —— pip依赖包迁移
转载自CSDN博客，作者：Forskamse 原文链接：https://forskamse.blog.csdn.net/article/details/98665869 前言 工程实际应用时，我们需要考虑如何在各种情况下顺利地将工程的运行环境部署起来。 就Python工程来说，最主要的就是将程序运行所需的各种依赖模块安装起来。目前Python最常用包管理工具 [...]
Python包的兼容性问题的处理办法——基于conda的环境管理
Anaconda是Python其中一款集成环境管理软件，它包括了许多用于科学计算、数据分析和机器学习的Python第三方包。同样，也可以用它来构建Python的虚拟运行环境。 自己使用Python也差不 Python可用于不同的开发、编程任务，而不同的任务需要不同的环境，例如做WEB开发用的环境，就不要跟数据分析和机器学习的混在一起。当然，一开始所有包都安装 [...]
Anaconda模块包与虚拟环境的管理
模块与包的管理 查看当前环境下安装的包： conda list 升级所有包，包括Python（只会更新第三个版本号X，3.7.X）： conda update --all 升级conda： conda update conda 升级单个包： conda update package_name 升级多个包： conda update package1 pack [...]