【conda安装】mamba安装 ==conda安装记录

这篇具有很好参考价值的文章主要介绍了【conda安装】mamba安装 ==conda安装记录。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

官方文档 、github地址

mamba文档
mamba安装教程

Mamba 是一个快速、强大且跨平台的包管理器
它运行在 Windows、OS X 和 Linux(包括 ARM64 和 PPC64LE)上,并且与软件包完全兼容conda,支持 conda 的大部分命令
该mamba-org组织拥有多种 Mamba 风格:
mamba:一个基于 Python 的 CLI 被认为是 的直接替代品conda,提供更快的速度和更可靠的环境解决方案
micromamba: 纯基于 C++ 的 CLI,独立于单个文件可执行文件中
libmamba: 一个 C++ 库,公开低级和高级 API, 和mamba都是在其上micromamba构建的

这对于学习生信的朋友大大的提高了效力,安装环境速度远大于conda和miniconda

打不开网站的朋友可以运行下面命令:


wget "https://github.com/conda-forge/miniforge/releases/latest/download/Mambaforge-$(uname)-$(uname -m).sh"
bash Mambaforge-$(uname)-$(uname -m).sh -b

完全自动安装
然后你应该创建 conda 的路径并激活 conda。运行此命令:

source "${HOME}/conda/etc/profile.d/conda.sh"

如果您下载了 Mambaforge 安装程序,您还应该在之后运行以下命令

source "${HOME}/conda/etc/profile.d/mamba.sh"

请注意路径:你安装的路径有可能是${HOME}/mambaforge,也有可能是其他你需要确认

但是我在使用上面的命令每次登录都要重新运行一次这很痛苦,你有可能不会,需要尝试。

可以编辑 ~/.bashrc~/.bash_profile

#conda
if [ -f "${HOME}/conda/etc/profile.d/conda.sh" ]; then
    source "${HOME}/conda/etc/profile.d/conda.sh"
fi
#mamba
if [ -f "${HOME}/conda/etc/profile.d/mamba.sh" ]; then
    source "${HOME}/conda/etc/profile.d/mamba.sh"
fi

然后 source ~/.bashrc 或 `~/.bash_profile
你可以尝试运行mamba -h 或者conda --help

mamba 只需要把conda更换成mamba即可,

如激活环境 conda activate 换成 mamba activate

参数都是一样的
【conda安装】mamba安装 ==conda安装记录

【conda安装】mamba安装 ==conda安装记录
【conda安装】mamba安装 ==conda安装记录文章来源地址https://www.toymoban.com/news/detail-484042.html

到了这里,关于【conda安装】mamba安装 ==conda安装记录的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

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: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • MacOS 安装 Mamba 报错 “Error while loading conda entry point: conda-libmamba-solver” 的解决办法

    Conda (Anaconda、Miniconda) 是一个功能强大、工具全面的包管理和环境管理工具(姑且可以理解为应用超市),其对于计算机技能没这么娴熟的生信工作者来说,是安装软件的一个福音。但是,他有一个最致命的缺点,就是 「慢」 ! 生信工具很多都需要其他依赖,尤其是依赖

    2024年02月08日
    浏览(145)
  • 再见conda,你好Mamba

    如果你平日使用conda下载Python package、构建环境,明明设置了国内源,依旧很慢,很慢,很慢, 是不是很抓狂,有过类似经历,文末点个赞或在看。本期介绍一个 高效Python包管理器Mamba : 使用 多线程下载 repository data和packages; Mamba使用 libsolv加速解决依赖关系  (减少上面图

    2024年02月15日
    浏览(64)
  • 【github加载不出来】github 加载不出来、获取GitHub官方CDN地址、修改系统Hosts文件 刷新缓存

    https://www.ipaddress.com/打开后如图,右上角搜索查 查找这三个DNS链接的解析地址 http://github.com http://assets-cdn.github.com http://github.global.ssl.fastly.net hosts 文件在每个系统的位置不一,详情如下: Windows 系统:C:WindowsSystem32driversetchosts Linux 系统:/etc/hosts Mac(苹果电脑)系统:/e

    2024年02月12日
    浏览(57)
  • 【github加载不出来】github 加载不出来、打开网页乱码-获取GitHub官方CDN地址、修改系统Hosts文件 刷新缓存

    https://www.ipaddress.com/打开后如图,右上角搜索查 查找这三个DNS链接的解析地址 http://github.com http://assets-cdn.github.com http://github.global.ssl.fastly.net hosts 文件在每个系统的位置不一,详情如下: Windows 系统:C:WindowsSystem32driversetchosts Linux 系统:/etc/hosts Mac(苹果电脑)系统:/e

    2024年02月11日
    浏览(48)
  • 机器人强化学习环境mujoco官方文档学习记录(一)——XML

    鉴于研究生课题需要,开始在mujoco中配置仿真环境。而官方文档中各种对象参数纷繁复杂,且涉及mujoco底层计算,不便于初学者进行开发设计。因此本文将MJCF模型的常用对象参数进行总结。 本文档仅供学习参考,如有问题欢迎大家学习交流。 本章是MuJoCo中使用的MJCF建模语言

    2024年02月02日
    浏览(57)
  • conda的多线程下载工具mamba(解决Anaconda3 solving environment 巨慢的方法)

    根据原博的解释以及我查阅的相关资料,这是由于conda在新安装一个包或者更新包时需要搜索当前环境中所有的包的依赖空间,以找到满足所有依赖项的版本,随着用户安装的包越来越多,这个需要搜索的依赖空间也越来越大,导致solving environment需要的时间也越来越长。  

    2024年02月11日
    浏览(85)
  • PyTorch官方安装方法下载太慢,直接用pip和conda命令安装,因为网络速度太慢,导致下载失败的解决的办法。

            PyTorch官方安装方法下载太慢,直接用pip和conda命令安装,因为网络速度太慢,导致下载失败的解决的办法。         最近在新的电脑上安装pytorch环境,由于网速太慢,你懂的,外网速度就是慢。         即使是更科学的上网以后,速度仍然感人,多次失败。    

    2024年02月15日
    浏览(56)
  • 记录在Windows11上conda环境安装InvokeAI

    #记录工作记录# activate InvokeAI 或 conda activate InvokeAI 在想要储存的目录右键打开GIT菜单“Open Git Bash here” 然后输入:  git clone https://github.com/invoke-ai/InvokeAI.git 以下是安装 CUDA 和对应的 CUDNN 的示例: ``` # 检查系统是否满足 CUDA 的最低要求 conda search cudatoolkit # 安装 CUDA 和对应的

    2024年01月16日
    浏览(38)
  • 【conda】pip安装报错,网络延时问题解决记录(亲测有效)

    1. pip install 报错如下所示 2. 解决方案: 制定某个库与库的版本的国内源链接下载方式 网络上解决方案也很多如下:没有用

    2024年02月02日
    浏览(43)
  • 开源预训练框架 MMPRETRAIN官方文档(概览、环境安装与验证、基础用户指南)

    MMPretrain是全新升级的开源预训练框架。它已着手提供多个强大的预训练骨干网并支持不同的预训练策略。MMPretrain 源自著名的开源项目 MMClassification 和MMSelfSup,并开发了许多令人兴奋的新功能。目前,预训练阶段对于视觉识别至关重要。凭借丰富而强大的预训练模型,我们目

    2024年02月13日
    浏览(57)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包