计算实例：自定义 Anaconda 环境的最佳实践
Compute Instance: Best practice for custom Anaconda env
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包组合丢失了，但我想知道我在我的系统中安装了什么。
当然，可以将它与 environment.yml.
结合起来
你怎么看？
您的解决方法是目前的最佳选择。但我知道 Azure ML 产品组一直在努力解决这个问题，但我不能对时间表做出任何承诺。
我和你一样梦想一个易于配置的数据科学云开发环境，它允许 Git 使用 conda yml 进行回购克隆和环境创建。我们非常接近 Visual Studio Codespaces 的所有新闻和公告！
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包组合丢失了，但我想知道我在我的系统中安装了什么。
当然，可以将它与 environment.yml.
你怎么看？
您的解决方法是目前的最佳选择。但我知道 Azure ML 产品组一直在努力解决这个问题，但我不能对时间表做出任何承诺。
我和你一样梦想一个易于配置的数据科学云开发环境，它允许 Git 使用 conda yml 进行回购克隆和环境创建。我们非常接近 Visual Studio Codespaces 的所有新闻和公告！