Carregando...
Ciência de DadosProgramação Back-EndPython

Criando projetos no Python com o Conda e distribuindo-os para outros

Crie uma pasta para o seu projeto de data science e navegue até ela.

conda create --prefix ./env python=3.8
conda activate ./env
conda config --add channels conda-forge
conda config --set channel_priority strict
conda install scikit-learn
# Salva todos as bibliotecas instaladas manualmente no environment.yml
# Se não informar o --from-history, incluirá várias outras bibliotecas não necessárias.
conda env export --from-history > environment.yml
# Entre no arquivo environment.yml e apague as linhas name e prefix para permitir que esse ambiente seja instalado em outros computadores

Carregando o ambiente de um arquivo

# Esse comando cria um ambiente com as dependências dentro do arquivo e salva o ambiente dentro da pasta env
conda env create -f environment.yml --prefix ./env
# Para iniciar o ambiente recém criado
conda activate /.env

Apagando ambientes nativos instalados pelo conda na pasta padrão

# Descubra os ambientes instalados
conda env list
# Apagando o ambiente
conda env remove --name ambiente-a-ser-removido

Você atualizou alguma dependência no seu projeto? Atualize também o arquivo environment.yml assim:

conda env export --from-history > environment.yml
# Entre no arquivo environment.yml e apague as linhas name e prefix

E como atualizar o seu projeto com as úlimas versões das bibliotecas?

conda env update --prefix ./env --file environment.yml --prune

Referências

Data Science in Practice
https://medium.com/data-science-in-practice/saving-the-environment-with-anaconda-ad68e603d8c5

Deixe uma resposta

O seu endereço de e-mail não será publicado. Campos obrigatórios são marcados com *