我想将计算实例用作我的开发机器。关于如何在这些计算机上处理自定义的Anaconda环境,是否有最佳实践?
到目前为止,我是这样的:
conda create --name testenv python=3
conda activate testenv
conda install ipykernel
ipython kernel install --user --name=testenv
sudo systemctl restart jupyter.service
->在浏览器中重新加载JupyterHub。
您通过这种方式看到任何弊端吗?我知道,标准环境中的某些特殊软件包组合丢失了,但是我想知道我在系统中安装了什么。当然,可以将其与environment.yml
组合。
你怎么看?
到目前为止,您的解决方法是最好的选择。但是我知道Azure ML产品组一直在致力于解决这个问题,但是我不能对时间轴做出任何承诺。
我与您共享一个易于配置的数据科学云开发环境的梦想,该环境允许使用conda yml进行Git存储库克隆和环境创建。鉴于Visual Studio Codespaces的所有新闻和公告,我们是如此接近!