文章目录
- 一、 pip
- 1. 导出第三方库到
- 2. 安装中的第三方库
- 二、 conda
- 1. 导出第三方库到
- 2. 安装中的第三方库
- 3. 也可以导出成yaml文件使用
- 导出
- 使用
许多Python项目中都包含了文件，该文件记录了当前程序的所有依赖包及其精确版本号。
一、 pip
1. 导出第三方库到
pip 批量导出包含环境中所有组件的文件
pip freeze >
若要导出离线包到指定文件夹
pip download -r -d ./pip_packages #从当前环境的网络中下载中写的包，下载到当前目录下的pip_packages目录中，这时候你会发现，里面有很多依赖，还有一些whl文件
pip 导出的文件格式如下：
absl-py==0.2.
astor==0.6.
bleach==1.5.
boto==2.48.
boto==31.7.
botocore==1.10.
bz2file==0.98
certifi==2018.4.
chardet==3.0.
cycler==0.10.
Cython==0.28.
docutils==0.14
fasttext==0.8.
future==0.16.
gast==0.2.
gensim==3.4.
grpcio==1.11.
h5py==2.7.
html5lib==0.9999999
2. 安装中的第三方库
pip 批量安装文件中包含的组件依赖
pip install -r
pip install --no-index --find-links=d:\packages -r
# --find-links指定的是包文件的存放地址，-r指定的是txt文件的位置
二、 conda
1. 导出第三方库到
conda 批量导出包含环境中所有组件的文件
conda list -e >
conda 导出的文件格式
# This file may be used to create an environment using:
# $ conda create --name <env> --file <this file>
# platform: win-64
absl-py=0.7.1=pypi_0
astor=0.7.1=pypi_0
certifi=2018.8.24=py35_1
gast=0.2.2=pypi_0
grpcio=1.19.0=pypi_0
h5py=2.9.0=pypi_0
keras-applications=1.0.7=pypi_0
keras-preprocessing=1.0.9=pypi_0
markdown=3.1=pypi_0
mock=2.0.0=pypi_0
numpy=1.16.2=pypi_0
pbr=5.1.3=pypi_0
pip=19.0.3=pypi_0
protobuf=3.7.1=pypi_0
python=3.5.6=he025d50_0
setuptools=40.2.0=py35_0
six=1.12.0=pypi_0
tensorboard=1.13.1=pypi_0
tensorflow=1.13.1=pypi_0
tensorflow-estimator=1.13.0=pypi_0
termcolor=1.1.0=pypi_0
vc=14.1=h0510ff6_4
vs2015_runtime=14.15.26706=h3a45250_0
werkzeug=0.15.1=pypi_0
wheel=0.31.1=py35_0
wincertstore=0.2=py35hfebbdb8_0
2. 安装中的第三方库
conda install --yes --file #这种执行方式，一遇到安装不上就整体停止不会继续下面的包安装
但是这里存在一个问题，如果中的包不可用，则会抛出“无包错误”。
使用下面这个命令可以解决这个问题
$ while read requirement; do conda install --yes $requirement; done <
或者这样也行
FOR /F "delims=~" %f in () DO conda install --yes "%f" #这个执行能解决上面出现的不执行后续包的问题
如果想要在conda命令无效时使用pip命令来代替，那么使用如下命令：
$ while read requirement; do conda install --yes $requirement || pip install $requirement; done <
3. 也可以导出成yaml文件使用
导出
conda env export >
使用
conda env create -f