Ci-dessous, les différences entre deux révisions de la page.
Les deux révisions précédentes Révision précédente Prochaine révision | Révision précédente Prochaine révision Les deux révisions suivantes | ||
python:environnement_conda [2020/05/13 22:16] Francesco Beretta |
python:environnement_conda [2020/05/13 22:43] Francesco Beretta [Recette] |
||
---|---|---|---|
Ligne 45: | Ligne 45: | ||
<code>conda install beautifulsoup4</code> | <code>conda install beautifulsoup4</code> | ||
- | ====== Créer un nouvel environnement 'atelier' et l'ajouter aux kernels de Jupyter [Lab] ====== | ||
+ | |||
+ | ====== Créer un nouvel environnement 'atelier' et l'ajouter aux kernels de Jupyter Lab ====== | ||
+ | |||
+ | En règle générale, on utilise un environnement Conda par projet. Ceci permet de garantir une stabilité du code et d'éviter que des ajouts de paquets ou des mises à jour produisent des effets non souhaités. | ||
+ | |||
+ | Aussi, il est fortement déconseillé de travailler et d'ajouter des paquets ou librairies à l'environnement //base// de Conda: il faut créer toujours de nouveaux environnements de travail. | ||
+ | |||
+ | Ceux-ci peuvent devenir assez volumineux si on y ajoute tout type de bibliothèque de fonctions. Il est donc opportun de regrouper les bibliothèques, par exemple, par projet ou par thématiques: NLP, graphes, visualisations, machine learning, etc. | ||
+ | |||
+ | Dans un notebook Jupyter on pourra ensuite choisir entre les différents environnements moyennant qu'on suive les instructions indiquées ci-dessous. | ||
+ | |||
+ | Cf. ce [[https://medium.com/@ace139/enable-multiple-kernels-in-jupyter-notebooks-6098c738fe72|billet de blog]] | ||
+ | |||
+ | |||
+ | |||
+ | ===== Recette ===== | ||
+ | |||
+ | |||
+ | Créer d'abord le nouvel environnement **//atelier//** avec toutes ses librairies: | ||
<code>conda create --name atelier python=3.7 matplotlib</code> | <code>conda create --name atelier python=3.7 matplotlib</code> | ||
+ | |||
+ | L'activer: | ||
+ | <code>conda activate atelier</code> | ||
+ | |||
+ | Installer ipykernel (et toues les dépendances ipython) | ||
+ | <code>conda install ipykernel</code> | ||
+ | |||
+ | Activer l'ipykernel pour cet utilisateur | ||
+ | <code>python -m ipykernel install --user --name atelier --display-name "Py 3.7 atelier"</code> | ||
+ | |||
+ | Désactier l'environnement: | ||
+ | <code>conda deactivate</code> | ||
+ | |||
+ | Activer l'environnement principal Jupyter Lab: | ||
+ | <code>conda activate py37_gitlab</code> | ||
+ | |||
+ | Lister les kernels présents: | ||
+ | <code>jupyter kernelspec list</code> | ||
+ | Si tout s'est bien passé, on y trouvera le kernel '//atelier//' | ||
+ | |||
+ | Lancer JupyterLab: | ||
+ | <code>jupyter lab</code> | ||
+ | |||
+ | Dans l'interface graphique, dans un carnet, choisir le kernel et environnement souhaité. | ||
+ | |||
+ | **N.B. 1** On peut, dans une autre fenêtre de terminal activer l'environnement '//atelier//' et lui ajouter de nouvelles bibliothèques. Puis on redémarre le kernel et elles seront activables. | ||
+ | **N.B. 2** Eviter d'ajouter des bilbiothèques à l'environnement de base de JupyterLab où a été installé //jupyterlab-github// pour préserver cet environnement de toute corruption |