🔨 FAQ Créer et utiliser un Environnement Virtuel Python (EVP)

Intérêt

Un Environnement Virtuel Python (EVP) procure un environnement informatique contenant une installation de Python :

• indépendante des autres environnements Python susceptibles de coexister sur la même machine,
• indépendante des mises à jour de l’ordinateur.

Un EVP repose sur la création d’une arborescence disque dédiée qui héberge la version de Python et des modules dont tu as besoin pour ton projet.

On peut effacer et re-créer un EVP très facilement, sans que cela n’impacte la distribution Python système installée avec Ubuntu.

Quand tu actives un EVP sous Linux, la variable d’environnement PATH est modifiée de sorte que l’interpréteur Python et tous les modules soient recherchés dans l’arborescence dédiée à cet EVP.

Créer un EVP avec conda

Plusieurs outils permettent de créer EVP, en particulier :

• la commande conda , disponible si tu as installé Python avec la distribution miniconda.
• le module Python venv qui permet de créer un EVP (cf venv).

L’intérêt de miniconda pour le calcul numérique est que cette distribution installe de façon transparente la bibliothèque MKL, qui fournit l’optimisation pour les processeurs Intel des bibliothèques d’algèbre linéaire (BLAS, Lapack…) à la base des performances du module numpy.

Étapes de création d’un EVP avec conda

1. Télécharge et installe la distribution miniconda …

   • La seule précaution est d’installer le répertoire miniconda3 dans un chemin qui ne comporte ni espace, ni caractère accentué.
   • En général, le chemin d’installation proposé par défaut ressemble à /home/<logname>/miniconda3/.
   • À la fin de l’installation réponds yes à la question Do you wish the installer to initialize Miniconda3 by running conda init? [yes|no]
   • Lance un nouveau terminal ou tape la commande source ~/.bashrc pour hériter des modifications du fichier .bashrc.
   • Une fois conda installé, désactive le lancement automatique de l’EVP (base) en tapant la commande : conda config --set auto_activate_base false.

2. Créé l’EVP avec la commande conda create -n <nom_evp> python=<version>

   • <nom_evp> : nom (libre) de ton EVP : par exemple pyml(pour Python mechine learning)
   • <version> : version de Python que tu veux installer dans ton EVP : par exmple 3.6 ou 3.6.8 ou 3.8…

3. Active ton EVP avec la commande conda activate <nom_evp> :

   • L’activation de l’EVP se traduit par le préfixage du prompt avec la chaîne : (<nom_evp>). Par exemple si le prompt courant est user@host $, l’activation de l’EVP nommé tf2 modifie le prompt qui devient : (tf2) user@host $

4. Charge les modules Python dans ton EVP activé

   Avec ton EVP activé utilise conda install <module> ou pip install <module> pour installer le module Python <module>.

   ❓ conda install... ou pip install... => la règle est simple :

   • commence de préférence par conda install..., qui va installer une version optimisée du module Python si elle est connue de conda
   • si conda install... échoue, utilise alors pip install..."

🔨 Comment fonctionne un EVP

Quand l’EVP <evp> est activé :

• la variable d’environnement PATH est modifiée pour mentionner en premier :
  • le répertoire permettant d’accéder à la commande conda : par exemple /home/<logname>/miniconda3/condabin/
  • le répertoire associé à l’environnement <evp> : par exemple /home/<logname>>/miniconda3/envs/<evp>
• toutes les commandes liées à Python (python, conda, pip…) sont recherchées en premier dans ces deux répertoires.
• toute installation d’un module Python par conda ou pip installe le module dans le l’arboresence /home/<logname>/miniconda3/envs/<evp>/...

🔨 Quels modules Python installer dans mon EVP pour travailler avec tensorflow2 ?

En prenant l’exemple d’un EVP nommé (tf2) créé avec l’option python=3.8, l’installation des modules Python essentiel au travail avec tensorflow2 se fait comme indiqué ci-dessous :

(tf2) user@host $ conda update -n base -c defaults conda
(tf2) user@host $ conda install tensorflow==2.4.1
(tf2) user@host $ conda install numpy scipy matplotlib jupyter pandas
(tf2) user@host $ pip install scikit-learn scikit-image seaborn pydot rospkg pyyaml
(tf2) user@host $ pip install opencv-python==4.5.1.48

🔨 EVP : commandes utiles

• Display information about the conda distribution: conda info

• List the EVP known by conda: conda env list

• Deactivate the current EVP: conda deactivate

• Activate the EVP named <evp>: conda activate <evp>

• With your ** EVP activated **:

  • List installed packages: conda list or pip list

  • Find versions of a Python module for the current EVP activated:

    • conda search <module>: searches for versions of <module> known by conda

• Update the conda command: conda update -n base -c defaults conda.