🥷
🥷
文章目录
  1. Resources

conda in action

无论是使用virtualenv还是conda,本意无非是使开发环境变得干净纯粹,当然我们还可以使用vagrant启动一个虚拟机,在虚拟机里操作,或者docker起一个container也一样。

  • 基础的用法
    1
    2
    3
    4
    $ conda info --env
    $ conda create -n testenv
    $ activate testenv
    $ deactivate testenv
  • linux下你可能需要这样
    1
    2
    $ source activate testenv
    $ source deactivate testenv
  • 指定python版本
    1
    $ conda create -n testenv python=27
  • 删除某个虚拟环境

    1
    $ conda env remove --name tensorflow
  • 使jupyter使用某个虚拟环境

    1
    2
    3
    4
    $ source activate myenv
    $ python -m ipykernel install --user --name myenv --display-name "Python (myenv)"
    $ source activate other-env
    $ python -m ipykernel install --user --name other-env --display-name "Python (other-env)"
  • 在服务器上启动一个无浏览器的jupyter notebook

    1
    2
    $ jupyter notebook --no-browser
    $ jupyter notebook --no-browser --port 6699
  • 集成pyspark

    1
    2
    3
    4
    5
    6
    7
    8
    9
    10
    #step 1 
    $ mv spark-1.2.0-bin-hadoop2.4 /opt/spark-1.2.0
    $ ln -s /opt/spark-1.2.0 /opt/spark
    #step 2 (长久生效应该将下列的语句写到bashrc文件里,或者zshrc里)
    $ export SPARK_HOME=/opt/spark
    $ export PATH=$SPARK_HOME/bin:$PATH
    $ export PYSPARK_DRIVER_PYTHON=jupyter
    $ export PYSPARK_DRIVER_PYTHON_OPTS='notebook'
    #step 3
    $ pyspark
  • 集成 R

    1
    2
    3
    > install.packages(c('repr', 'IRdisplay', 'evaluate', 'crayon', 'pbdZMQ', 'devtools', 'uuid', 'digest'))
    devtools::install_github('IRkernel/IRkernel')
    > IRkernel::installspec()

当然,docker似乎已经成了更加方便的部署方法,可我觉得哪里缺了点什么。这些东西一定要自己先手动部署一次。之后再使用也知道是个怎么回事了。

Resources