conda

conda est un gestionnaire d’environnements appelé miniconda et un ensemble de paquets utiles pour les applications scientifiques. Nous avons fait le choix d’installer miniconda seul, et de définir plusieurs environnements"types" que vous pourrez utiliser en fonction de votre projet.

Si ces environnements ne vous conviennent pas, nous expliquons ici comment construire votre propre environnement

Le caractère ’*’ montre quel est votre environnement courant

Ici j’installe une vieille version de numpy :

(mon_environnement) [manu@olympelogin1 ~]$ conda install numpy=1.9.3=py27_nomklhbee5d10_3
Collecting package metadata (current_repodata.json): done
Solving environment: failed with initial frozen solve. Retrying with flexible solve.
Collecting package metadata (repodata.json): done
Solving environment: done

## Package Plan ##

  environment location: /users/sysadmin/manu/.conda/envs/mon_environnement

  added / updated specs:
    - numpy==1.9.3=py27_nomklhbee5d10_3

The following packages will be downloaded:

    package                    |            build
    ---------------------------|-----------------
    libopenblas-0.2.20         |       h9ac9557_7         4.0 MB
    numpy-1.9.3                |py27_nomklhbee5d10_3         2.6 MB
    pip-19.3.1                 |           py27_0         1.7 MB
    python-2.7.18              |       h15b4118_1         9.9 MB
    setuptools-44.0.0          |           py27_0         512 KB
    ------------------------------------------------------------
                                           Total:        18.7 MB

The following NEW packages will be INSTALLED:

  _libgcc_mutex      pkgs/main/linux-64::_libgcc_mutex-0.1-main
  blas               pkgs/main/linux-64::blas-1.0-openblas
  ca-certificates    pkgs/main/linux-64::ca-certificates-2021.1.19-h06a4308_0
  certifi            pkgs/main/noarch::certifi-2020.6.20-pyhd3eb1b0_3
  libedit            pkgs/main/linux-64::libedit-3.1.20191231-h14c3975_1
  libffi             pkgs/main/linux-64::libffi-3.3-he6710b0_2
  libgcc-ng          pkgs/main/linux-64::libgcc-ng-9.1.0-hdf63c60_0
  libgfortran-ng     pkgs/main/linux-64::libgfortran-ng-7.3.0-hdf63c60_0
  libopenblas        pkgs/main/linux-64::libopenblas-0.2.20-h9ac9557_7
  libstdcxx-ng       pkgs/main/linux-64::libstdcxx-ng-9.1.0-hdf63c60_0
  ncurses            pkgs/main/linux-64::ncurses-6.2-he6710b0_1
  numpy              pkgs/main/linux-64::numpy-1.9.3-py27_nomklhbee5d10_3
  pip                pkgs/main/linux-64::pip-19.3.1-py27_0
  python             pkgs/main/linux-64::python-2.7.18-h15b4118_1
  readline           pkgs/main/linux-64::readline-8.1-h27cfd23_0
  setuptools         pkgs/main/linux-64::setuptools-44.0.0-py27_0
  sqlite             pkgs/main/linux-64::sqlite-3.33.0-h62c20be_0
  tk                 pkgs/main/linux-64::tk-8.6.10-hbc83047_0
  wheel              pkgs/main/noarch::wheel-0.36.2-pyhd3eb1b0_0
  zlib               pkgs/main/linux-64::zlib-1.2.11-h7b6447c_3

Proceed ([y]/n)? y

Downloading and Extracting Packages
numpy-1.9.3          | 2.6 MB    | ################################################################################################################################################################################################### | 100%
pip-19.3.1           | 1.7 MB    | ################################################################################################################################################################################################### | 100%
python-2.7.18        | 9.9 MB    | ################################################################################################################################################################################################### | 100%
setuptools-44.0.0    | 512 KB    | ################################################################################################################################################################################################### | 100%
libopenblas-0.2.20   | 4.0 MB    | ################################################################################################################################################################################################### | 100%
Preparing transaction: done
Verifying transaction: done
Executing transaction: done

On voit qu’une vieille version de python a été installée avec...

Certains logiciels s’installent avec pip et pas avec Conda. Il est tout-à-fait possible d’utiliser pip dans un environnement conda, mais nous vous recommandons de commencer par lire cette documentation (en anglais), qui explique les précautions à prendre.

...pour installer une autre application, et l’activer :

(pytorch-1.7) [manu@olympelogin1 ~]$ conda create -n mon_environnement --clone base
Collecting package metadata (current_repodata.json): done
Solving environment: done

## Package Plan ##

  environment location: /users/sysadmin/manu/.conda/envs/mon_environnement

Proceed ([y]/n)? y

Preparing transaction: done
Verifying transaction: done
Executing transaction: done
#
# To activate this environment, use
#
#     $ conda activate mon_environnement
#
# To deactivate an active environment, use
#
#     $ conda deactivate
(pytorch-1.7) [manu@olympelogin1 ~]$ conda activate mon_environnement
(mon_environnement) [manu@olympelogin1 ~]$
(mon_environnement) [manu@olympelogin1 ~]$ conda list
# packages in environment at /users/sysadmin/manu/.conda/envs/mon_environnement:
#
# Name                    Version                   Build  Channel

NOTE : Afin que tout se passe bien, et notamment l’utilisation ultérieure de pip dans votre environnement, il est préférable de cloner l’environnement base plutôt que de créer un environnement à partir de rien. D’où le switch --clone base

A ce stade, mon_environnement est une coquille vide : la suite montre comment la remplir

Si vous voulez travailler dans un environnement personnalisé qui soit basé sur un environnement existant, vous pouvez commencer par le cloner (c’est-à-dire le copier) :

Ainsi, je vais reprendre mon_environnement mais y installer une version plus récente de numpy. Pour commencer je vais cloner mon_environnement (clonage) et activer le nouvel environnement :

(mon_environnement) [manu@olympelogin1 ~]$ conda create -n mon_nouvel_environnement --clone mon_environnement
Source:      /users/sysadmin/manu/.conda/envs/mon_environnement
Destination: /users/sysadmin/manu/.conda/envs/mon_nouvel_environnement
Packages: 20
Files: 0
Preparing transaction: done
Verifying transaction: done
Executing transaction: done
#
# To activate this environment, use
#
#     $ conda activate mon_nouvel_environnement
#
# To deactivate an active environment, use
#
#     $ conda deactivate

Il ne se passe (presque) rien : conda fait des liens durs afin de "copier" l’environnement sans utiliser trop d’espace disque.

Maintenant j’active le nouvel environnement et j’installe numpy1.11.3 :

(mon_environnement) [manu@olympelogin1 ~]$ conda activate mon_nouvel_environnement
(mon_nouvel_environnement) [manu@olympelogin1 ~]$ conda install numpy=1.11.3
Collecting package metadata (current_repodata.json): done
Solving environment: failed with initial frozen solve. Retrying with flexible solve.
Collecting package metadata (repodata.json): done
Solving environment: done

## Package Plan ##

  environment location: /users/sysadmin/manu/.conda/envs/mon_nouvel_environnement

  added / updated specs:
    - numpy=1.11.3

The following packages will be downloaded:

    package                    |            build
    ---------------------------|-----------------
    blas-1.0                   |         openblas          46 KB
    numpy-1.11.3               |   py27h2aefc1b_9          10 KB
    numpy-base-1.11.3          |   py27h7cdd4dd_9         2.9 MB
    ------------------------------------------------------------
                                           Total:         2.9 MB

The following NEW packages will be INSTALLED:

  numpy-base         pkgs/main/linux-64::numpy-base-1.11.3-py27h7cdd4dd_9

The following packages will be UPDATED:

  numpy                          1.9.3-py27_nomklhbee5d10_3 --> 1.11.3-py27h2aefc1b_9

The following packages will be DOWNGRADED:

  blas                                                      -->

Proceed ([y]/n)? y

Downloading and Extracting Packages
numpy-base-1.11.3    | 2.9 MB    | ################################################################################################################################################################################################### | 100%
blas-1.0             | 46 KB     | ################################################################################################################################################################################################### | 100%
numpy-1.11.3         | 10 KB     | ################################################################################################################################################################################################### | 100%
Preparing transaction: done
Verifying transaction: done
Executing transaction: done

J’ai maintenant à ma disposition deux environnements, avec deux versions différentes de numpy : je peux décider quelle version je veux conserver !

Si les tests ci-dessus ne sont pas concluants, je n’ai pas abîmé mon ancien environnement : je n’ai plus qu’à supprimer le nouvel environnement, qui n’a pas fait ses preuves :

(mon_nouvel_environnement) [manu@olympelogin1 ~]$ conda deactivate
(mon_environnement) [manu@olympelogin1 ~]$ conda env remove -n mon_nouvel_environnement

Remove all packages in environment /users/sysadmin/manu/.conda/envs/mon_nouvel_environnement:

...Et si les tests sont concluants et que je n’ai plus besoin de mon_environnement, c’est lui que je supprimerai pour économiser l’espace disque.