Miniconda安装部署

什么是Miniconda？

Miniconda是一个小型的Anaconda发行版，专为那些希望只安装conda包管理器和Python环境管理工具的用户设计，而不包括Anaconda发行版中的大量预装数据科学包。Miniconda允许用户创建独立的Python环境，以便于管理不同项目的依赖关系，同时保持系统环境的整洁。

安装Miniconda

下载Miniconda

1. 访问Miniconda的官方网站：清华大学开源镜像站或Miniconda 官方网站
2. 选择适合你的操作系统的安装包（Windows, macOS, Linux）。
3. 下载Miniconda的最新版本

Linux命令行安装

1. 下载最新的 64 位 Linux 安装程序，把它重命名为较短的文件名，进行静默安装，之后再删除这个安装程序。

mkdir -p ~/miniconda3
wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh -O ~/miniconda3/miniconda.sh
bash ~/miniconda3/miniconda.sh -b -u -p ~/miniconda3
rm ~/miniconda3/miniconda.sh

2. 运行下面的命令来刷新

   source ~/miniconda3/bin/activate

3. 初始化 conda

   conda init --all

Miniconda常用命令

1. 环境管理指令
   • 查看环境列表
     • 命令：conda env list或者conda info -e
     • 解释：这两个命令的功能是一样的，都是用于查看已经创建的所有虚拟环境。执行命令后，会列出环境名称和对应的路径，当前激活的环境前面会有一个星号（*）标识。
   • 创建新环境
     • 命令：conda create -n <env_name> python=<version>
     • 解释：-n参数后面跟着要创建的环境名称（<env_name>部分），这个名称可以自定义，比如my_project_env。python=<version>部分用于指定这个环境中 Python 的版本，例如python=3.8就是创建一个 Python 3.8 版本的环境。例如，conda create -n data_science_env python=3.9会创建一个名为data_science_env，Python 版本为 3.9 的虚拟环境。
   • 激活环境
     • 命令：conda activate <env_name>
     • 解释：激活指定名称（<env_name>）的虚拟环境。只有激活环境后，在这个环境中安装的包和配置才会生效。例如，conda activate data_science_env会激活名为data_science_env的环境。
   • 退出当前激活环境
     • 命令：conda deactivate
     • 解释：当你完成在某个虚拟环境中的操作后，可以使用这个命令退出当前激活的环境，回到基础环境或者之前的环境。
   • 删除环境
     • 命令：conda remove -n <env_name> --all
     • 解释：-n参数指定要删除的环境名称（<env_name>），--all表示删除这个环境中的所有内容，包括安装的包、配置文件等。例如，conda remove -n old_project_env --all会删除名为old_project_env的虚拟环境及其所有内容。
2. 包管理指令
   • 安装包
     • 命令：在激活的环境中，使用conda install <package_name>或者conda install <package_name1> <package_name2>...
     • 解释：用于在当前激活的环境中安装指定的包。可以一次安装一个包，也可以同时安装多个包。例如，conda install numpy会在当前激活的环境中安装 NumPy 包；conda install numpy pandas matplotlib会同时安装 NumPy、Pandas 和 Matplotlib 这三个包。
   • 更新包
     • 命令：conda update --all
     • 解释：这个命令会将当前激活环境中的所有已安装包更新到最新版本。在执行更新操作之前，建议先备份重要的数据或者项目文件，以防更新过程中出现兼容性问题。
   • 列出已安装包
     • 命令：conda list
     • 解释：在当前激活的环境中执行这个命令，会列出所有已经安装的包的名称、版本和构建编号等信息。这有助于你查看环境中已经安装了哪些包，以及它们的版本情况。
   • 查找包
     • 命令：conda search <package_name>
     • 解释：用于查找指定包（<package_name>）在 Anaconda 仓库中的所有可用版本。例如，conda search numpy会列出 NumPy 包的所有可用版本，以及每个版本对应的一些其他信息，如构建平台等。
   • 删除包
     • 命令：conda remove <package_name>
     • 解释：在当前激活的环境中，用于删除指定的包（<package_name>）。例如，conda remove numpy会从当前激活的环境中删除 NumPy 包。
3. 配置相关指令
   • 配置镜像源（以清华镜像源为例）
     • 命令步骤如下：
       • 首先执行conda config --set show_channel_urls yes，这一步是为了让 conda 在配置文件中显示通道（channel）的 URL。
       • 找到.condarc文件，通常在用户主目录下（在 Windows 系统中可能是C:\Users\你的用户名，在 Linux 和 macOS 系统中是/home/你的用户名或者/Users/你的用户名）。用文本编辑器打开这个文件，删除其中的内容，然后将以下内容复制进去并保存。

channels:
  - defaults
show_channel_urls: true
default_channels:
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r
  - 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

最后执行conda clean -i清除索引缓存，这样就完成了镜像源的配置。配置镜像源可以加快包的下载速度，因为这些国内镜像源通常比默认的国外源速度更快。