我想使用计算实例作为我的开发机器。 是否有关于如何在这些机器上处理自定义 Anaconda 环境的最佳实践?
到目前为止,我是这样做的:
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。
您认为这样做有什么缺点吗?我知道,标准环境中的一些特殊软件包组合丢失了,但我想知道我在系统中安装了什么。
当然,可以将其与 environment.yml
结合起来。
你觉得怎么样?
最佳答案
您的解决方法是目前最好的选择。但我知道 Azure ML 产品组一直在致力于解决这个问题,但我无法对时间表做出任何 promise 。
我与您分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。我们已经非常接近了,尤其是考虑到有关 Visual Studio Codespaces 的所有新闻和公告!
关于azure-machine-learning-service - 计算实例: Best practice for custom Anaconda env,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/62170192/