conda环境下更改虚拟环境安装路径

1 引言

在Anaconda中如果没有指定路径,虚拟环境会默认安装在anaconda所安装的目录下,但如果默认环境的磁盘空间不足，无法满足大量安装虚拟环境的需求，此时我们需要更改虚拟环境的安装路径，有以下两种方案：

  • 方案1： 每次创建虚拟环境时手动指定存放路径

  • 方案2：修改Anaconda默认的虚拟环境存放路径

本文将介绍conda环境下更改虚拟环境安装路径的方法。

2 更改虚拟环境安装路径

2.1 查看所有虚拟环境及其路径

conda env list

执行命令后，显示出当前系统所有的虚拟环境

# conda environments:
#                                                     
base                     C:\ProgramData\anaconda3     
pt                    *  C:\Users\Admin\.conda\envs\pt

2.2 查看虚拟环境默认位置

conda config --show

执行命令后，显示如下：

add_anaconda_token: True
add_pip_as_python_dependency: True
aggressive_update_packages:- ca-certificates- certifi- openssl
allow_conda_downgrades: False
allow_cycles: True
allow_non_channel_urls: False
allow_softlinks: False
allowlist_channels: []
always_copy: False
always_softlink: False
always_yes: None
anaconda_anon_usage: True
anaconda_upload: None
auto_activate_base: True
auto_stack: 0
auto_update_conda: True
bld_path:
changeps1: True
channel_alias: https://conda.anaconda.org
channel_priority: flexible
channel_settings: []
channels:- http://mirrors.aliyun.com/anaconda/pkgs/main- defaults
client_ssl_cert: None
client_ssl_cert_key: None
clobber: False
conda_build: {}
create_default_packages: []
croot: C:\Users\Admin\conda-bld
custom_channels:pkgs/main: https://repo.anaconda.compkgs/r: https://repo.anaconda.compkgs/msys2: https://repo.anaconda.compkgs/pro: https://repo.anaconda.com
custom_multichannels:defaults:- https://repo.anaconda.com/pkgs/main- https://repo.anaconda.com/pkgs/r- https://repo.anaconda.com/pkgs/msys2local:
debug: False
default_channels:- https://repo.anaconda.com/pkgs/main- https://repo.anaconda.com/pkgs/r- https://repo.anaconda.com/pkgs/msys2
default_python: 3.11
default_threads: None
deps_modifier: not_set
dev: False
disallowed_packages: []
download_only: False
dry_run: False
enable_private_envs: False
env_prompt: ({default_env})
envs_dirs:- C:\Users\Admin\.conda\envs- C:\ProgramData\anaconda3\envs- C:\Users\Admin\AppData\Local\conda\conda\envs
error_upload_url: https://conda.io/conda-post/unexpected-error
execute_threads: 1
experimental: []
extra_safety_checks: False
fetch_threads: 5
force: False
force_32bit: False
force_reinstall: False
force_remove: False
ignore_pinned: False
json: False
local_repodata_ttl: 1
migrated_channel_aliases: []
migrated_custom_channels: {}
no_plugins: False
non_admin_enabled: True
notify_outdated_conda: True
number_channel_notices: 5
offline: False
override_channels_enabled: True
path_conflict: clobber
pinned_packages: []
pip_interop_enabled: False
pkgs_dirs:- C:\ProgramData\anaconda3\pkgs- C:\Users\Admin\.conda\pkgs- C:\Users\Admin\AppData\Local\conda\conda\pkgs
proxy_servers: {}
quiet: False
remote_backoff_factor: 1
remote_connect_timeout_secs: 9.15
remote_max_retries: 3
remote_read_timeout_secs: 60.0
repodata_fns:- current_repodata.json- repodata.json
repodata_threads: None
report_errors: None
restore_free_channel: False
rollback_enabled: True
root_prefix: C:\ProgramData\anaconda3
safety_checks: warn
sat_solver: pycosat
unsatisfiable_hints_check_depth: 2
update_modifier: update_specs
use_index_cache: False
use_local: False
use_only_tar_bz2: False
verbosity: 0
verify_threads: 1
(pt) PS D:\code\cv> conda env list
# conda environments:
#                                                     
base                     C:\ProgramData\anaconda3     
pt                    *  C:\Users\Admin\.conda\envs\pt(pt) PS D:\code\cv> conda config --show
add_anaconda_token: True          
add_pip_as_python_dependency: True
aggressive_update_packages:       - ca-certificates               - certifi                       - openssl                       
allow_conda_downgrades: False     
allow_cycles: True                
allow_non_channel_urls: False
allow_softlinks: False
allowlist_channels: []
always_copy: False
always_softlink: False
always_yes: None
anaconda_anon_usage: True
anaconda_upload: None
auto_activate_base: True
auto_stack: 0
auto_update_conda: True
bld_path:
changeps1: True
channel_alias: https://conda.anaconda.org
channel_priority: flexible
channel_settings: []
channels:- http://mirrors.aliyun.com/anaconda/pkgs/main- defaults
client_ssl_cert: None
client_ssl_cert_key: None
clobber: False
conda_build: {}
create_default_packages: []
croot: C:\Users\Admin\conda-bld
custom_channels:pkgs/main: https://repo.anaconda.compkgs/r: https://repo.anaconda.compkgs/msys2: https://repo.anaconda.compkgs/pro: https://repo.anaconda.com
custom_multichannels:defaults:- https://repo.anaconda.com/pkgs/main- https://repo.anaconda.com/pkgs/r- https://repo.anaconda.com/pkgs/msys2local:
debug: False
default_channels:- https://repo.anaconda.com/pkgs/main- https://repo.anaconda.com/pkgs/r- https://repo.anaconda.com/pkgs/msys2
default_python: 3.11
default_threads: None
deps_modifier: not_set
dev: False
disallowed_packages: []
download_only: False
dry_run: False
enable_private_envs: False
env_prompt: ({default_env})
envs_dirs:- C:\Users\Admin\.conda\envs- C:\ProgramData\anaconda3\envs- C:\Users\Admin\AppData\Local\conda\conda\envs
error_upload_url: https://conda.io/conda-post/unexpected-error
execute_threads: 1
experimental: []
extra_safety_checks: False
fetch_threads: 5
force: False
force_32bit: False
force_reinstall: False
force_remove: False
ignore_pinned: False
json: False
local_repodata_ttl: 1
migrated_channel_aliases: []
migrated_custom_channels: {}
no_plugins: False
non_admin_enabled: True
notify_outdated_conda: True
number_channel_notices: 5
offline: False
override_channels_enabled: True
path_conflict: clobber
pinned_packages: []
pip_interop_enabled: False
pkgs_dirs:- C:\ProgramData\anaconda3\pkgs- C:\Users\Admin\.conda\pkgs- C:\Users\Admin\AppData\Local\conda\conda\pkgs
proxy_servers: {}
quiet: False
remote_backoff_factor: 1
remote_connect_timeout_secs: 9.15
remote_max_retries: 3
remote_read_timeout_secs: 60.0
repodata_fns:- current_repodata.json- repodata.json
repodata_threads: None
report_errors: None
restore_free_channel: False
rollback_enabled: True
root_prefix: C:\ProgramData\anaconda3
safety_checks: warn
sat_solver: pycosat
separate_format_cache: False
shortcuts: True
show_channel_urls: True
signing_metadata_url_base: None
solver: classic
solver_ignore_timestamps: False
ssl_verify: True
subdir: win-64
subdirs:- win-64- noarch
target_prefix_override:
track_features: []
unsatisfiable_hints: True
unsatisfiable_hints_check_depth: 2
update_modifier: update_specs
use_index_cache: False
use_local: False
use_only_tar_bz2: False
verbosity: 0
verify_threads: 1

在输出的内容中找到envs_dirs，这里显示的有三个路径，第一个就是虚拟环境默认的安装路径。

envs_dirs:- C:\Users\Admin\.conda\envs- C:\ProgramData\anaconda3\envs- C:\Users\Admin\AppData\Local\conda\conda\envs

2.3 添加环境路径

在D盘根目录下创建.conda文件夹，通过命令将此路径添加到虚拟环境默认安装路径

conda config --add envs_dirs D:/.conda

添加完成后，再次查看

envs_dirs:- D:\.conda- C:\Users\Admin\.conda\envs- C:\ProgramData\anaconda3\envs- C:\Users\Admin\AppData\Local\conda\conda\envs

D:\.conda已经成为默认安装路径（第一个安装路径）

注意：如果D:\.conda在路径中已经存在，但不是排在第一个，执行命令后，D:\.conda路径会变成第一个位置，即成为默认安装路径。

2.4 创建虚拟环境

conda create -n wav2lip pyton==3.9

执行命令后，虚拟环境已经安装到D:\.conda目录下

 3 conda环境介绍

Conda是一个开源的包管理器和环境管理系统，用于安装、运行和更新包和其依赖项。它是由Anaconda, Inc.（以前称为Continuum Analytics）创建，用于支持Python程序开发，但它也可以用来管理来自其他语言的包。Conda使得包管理和环境隔离变得简单，对于处理多个项目中的依赖关系和版本控制尤其有用。

7fe216bee95143b88dd373480ba452ee.webp

Conda是一个强大的工具，对于管理复杂的Python项目和环境至关重要。它简化了包管理和环境设置，使得Python开发更加容易和高效。通过使用Conda，开发者可以确保他们的项目在不同机器和操作系统上都能以相同的方式运行，大大提高了项目的可移植性和可复现性。

3.1 Conda的核心功能

  • 包管理：Conda作为包管理器，可以安装、更新和移除Python包。它通过Conda仓库，如Anaconda Cloud或Conda Forge，来获取包。

  • 环境管理：Conda允许用户创建隔离的环境，以便于不同项目可以拥有不同的库和/或Python版本。这在处理不兼容的依赖项或不同项目的需求时非常有用。

  • 跨平台：Conda支持Linux、OS X和Windows，并允许创建跨平台的Python环境。

  • 开源：Conda是开源的，允许用户查看源代码并对其进行改进。

3.2 使用Conda的优势

  • 解决依赖性问题：Conda可以自动解决包之间的依赖关系，简化了安装过程。

  • 环境隔离：创建独立的环境可以避免包之间的版本冲突，使得项目更稳定。

  • 易于使用：Conda的命令行界面简单直观，易于学习和使用。

  • 广泛的包支持：Conda支持Python的许多流行库和应用程序。

  • 社区支持：作为一个流行的工具，Conda拥有一个活跃的社区，用户可以从中找到支持和资源。

3.3 Conda环境的创建和管理

  • 创建新环境：使用conda create命令创建一个新环境，可以指定Python版本和所需的包。

  • 激活环境：使用conda activate命令来激活环境。

  • 安装包：在激活的环境中使用conda install命令来安装新的包。

  • 环境列表：使用conda env list来查看所有可用的Conda环境。

  • 移除环境：使用conda env remove命令来移除不再需要的环境。

3.4 应用场景

  • 数据科学和机器学习：Conda非常适合于数据科学和机器学习项目，这些项目通常需要多个库和框架。

  • 软件开发：软件开发者使用Conda来管理项目依赖，确保一致的开发环境。

  • 教学和学术研究：教师和研究人员使用Conda来创建具有特定库和工具的环境，用于教学和研究。

3.5 常用命令

Conda 是一个开源的包管理器和环境管理器，广泛用于管理Python环境和包。以下是一些常用的 Conda 命令：

  • 安装 Conda 包:

    • conda install [package-name]: 安装指定的包。

  • 创建和管理环境:

    • conda create --name [env-name]: 创建一个新的环境。
    • conda activate [env-name]: 激活指定环境。
    • conda deactivate: 退出当前环境。
    • conda env list: 列出所有可用的环境。

  • 管理包:

    • conda list: 在当前环境中列出所有已安装的包。
    • conda update [package-name]: 更新指定的包。
    • conda remove [package-name]: 移除指定的包。

  • 搜索包:

    • conda search [package-name]: 搜索可用的包版本。

  • 环境导出和导入:

    • conda env export > environment.yml: 导出当前环境的配置到一个YAML文件。
    • conda env create -f environment.yml: 使用YAML文件创建一个新环境。

  • 更新 Conda:

    • conda update conda: 更新 Conda 到最新版本。

  • 查看 Conda 信息:

    • conda info: 显示关于 Conda 的信息。

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.hqwc.cn/news/293907.html

如若内容造成侵权/违法违规/事实不符，请联系编程知识网进行投诉反馈email:809451989@qq.com，一经查实，立即删除！

相关文章

【Amazon 实验②】使用Amazon WAF做基础 Web Service 防护之自定义规则

【Amazon 实验②】使用Amazon WAF做基础 Web Service 防护之自定义规则

文章目录 1. 自定义规则1.1 介绍 2. 实验步骤2.1 测试2.2 输出 上一篇章介绍了使用Amazon WAF做基础 Web Service 防护中的Web ACLs 配置 & AWS 托管规则的介绍和演示操作 【Amazon 实验①】使用Amazon WAF做基础 Web Service 防护，本篇章将继续介绍关于自定义…
阅读更多...
微软的word文档中内置背景音乐步骤（打开自动播放）

微软的word文档中内置背景音乐步骤（打开自动播放）

目录 一、前言 二、操作步骤 一、前言 有时候需要在word文档里面打开的时候就自动播放音乐或者音频，那么可以用微软的word来按照操作步骤去这样完成。 如果没有微软office的，可以下载这个是2021专业版的。因为office只能免费使用一段时间&#xff0c…
阅读更多...
使用 Elasticsearch 检测抄袭 （一）

使用 Elasticsearch 检测抄袭 （一）

作者：Priscilla Parodi 抄袭可以是直接的，涉及复制部分或全部内容，也可以是释义的，即通过更改一些单词或短语来重新表述作者的作品。 灵感和释义之间是有区别的。 即使你得出类似的结论，也可以阅读内容，获得…
阅读更多...
【机器学习】【线性回归】梯度下降

【机器学习】【线性回归】梯度下降

文章目录 [toc]数据集实际值估计值估计误差代价函数学习率参数更新Python实现线性拟合结果代价结果 数据集 ( x ( i ) , y ( i ) ) , i 1 , 2 , ⋯ , m \left(x^{(i)} , y^{(i)}\right) , i 1 , 2 , \cdots , m (x(i),y(i)),i1,2,⋯,m 实际值 y ( i ) y^{(i)} y(i) 估计值 h …
阅读更多...
模型集成系列：Bagging和Boosting方法

模型集成系列：Bagging和Boosting方法

模型集成系列：Bagging和Boosting方法 本文讨论Bagging和Boosting。这些（Bagging和Boosting）是全世界数据科学家常用的术语。但是这些术语究竟是什么意思，它们如何帮助数据科学家。我们将学习关于bagging和boosting以及它们在实践…
阅读更多...
STM32微控制器在HC-SR501红外感应模块中的能耗优化策略研究

STM32微控制器在HC-SR501红外感应模块中的能耗优化策略研究

一、 引言 能耗优化是嵌入式系统设计中一个重要的考虑因素，特别是在电池供电的应用中。在使用HC-SR501红外感应模块时，能耗优化策略对于延长电池寿命、提高系统性能至关重要。本文将阐述基于STM32微控制器的HC-SR501红外感应模块能耗优化策略研究。 二、…
阅读更多...
Win7如何修改MAC地址

Win7如何修改MAC地址

MAC地址，又叫做物理地址、硬件地址，是用来定义网络设备的位置，一般情况下，MAC地址在网卡中是固定的，但不排除有人手动去修改自己的MAC地址。win7如何修改MAC地址?其实修改MAC地址的方法很简单，可以通过硬件…
阅读更多...
如何使用不同的纹理贴图制作逼真的 3D 图形？

如何使用不同的纹理贴图制作逼真的 3D 图形？

在线工具推荐： 3D数字孪生场景编辑器 - GLTF/GLB材质纹理编辑器 - 3D模型在线转换 - Three.js AI自动纹理开发包 - YOLO 虚幻合成数据生成器 - 三维模型预览图生成器 - 3D模型语义搜索引擎 在过去的很多年里，我一直在视觉效果行业工作，…
阅读更多...
大数据开发职业介绍

大数据开发职业介绍

........................................................................................................................................................... 大数据开发转正 ...................................................................................…
阅读更多...
elasticsearch-py 8.x的一些优势

elasticsearch-py 8.x的一些优势

​ 早在 2022 年 2 月，当 Elasticsearch 8.0 发布时，Python 客户端也发布了 8.0 版本。它是对 7.x 客户端的部分重写，并带有许多不错的功能（如下所述），但也带有弃用警告和重大更改。今天，客户端的 7.17 版本仍然相对流行，每月下载量超过 100 万次，占 8.x 下载量的 ~50…
阅读更多...
uniapp纯CSS实现圆形进度条组件

uniapp纯CSS实现圆形进度条组件

uniapp纯CSS实现圆形进度条组件。圆形进度条组件组合做一个步骤进度组件是非常常见。 纯 CSS 实现圆形进度条组件有以下几个好处： 轻量级：由于纯 CSS 实现，无需额外的 JavaScript 或图像资源，所以组件的文件大小相对较小&#xf…
阅读更多...
Python生成圣诞节词云-代码案例剖析【第17篇—python圣诞节系列】

Python生成圣诞节词云-代码案例剖析【第17篇—python圣诞节系列】

文章目录 ❄️Python制作圣诞树词云-中文🐬展示效果🌸代码🌴代码剖析 ❄️Python制作圣诞树词云-英文🐬展示效果🌸代码🌴代码剖析 🎅圣诞节快乐！ ❄️Python制作圣诞树词云-中文 &a…
阅读更多...
推荐文章
最新文章

Copyright @ 2022~2023