我的目标是保持我的科学研究和分析的可重复性：我正在尽可能地自动化它们，我正在共享它们，并且我将它们与我用来运行分析的执行环境一起共享。这是为了使重新运行分析成为可能并且很容易成为可能。
我使用conda和主要来自conda-forge频道的包创建执行环境。据我了解，我有两种分享方式：
- 共享完整的环境，即包括所有图书馆。
- 仅共享环境的描述，即conda 环境文件，并依赖于存储库中包的可用性。
这些方法在再现性目标方面的局限性是什么？
conda 环境的可重复性如何？
计算科学
Python
再现性
2021-12-09 11:38:59
1个回答
还有更多的可能性，例如
共享包含完整 conda 环境的 Docker 映像，包括所有包和相关代码
共享包含来自 3 的 Docker 映像或直接包含来自 1 的 conda 环境的虚拟机映像。
选项 3 和 4 只需要能够运行 Docker 或 VM 映像，并且不再依赖于任何外部包存储库，这在例如包因某种原因被标记为不可用（导致 conda 在构建环境时失败）时可能很重要，即使包可用）。
就个人而言，我会为档案质量材料的真实再现性做所有四个选项，希望选项 2 有效（正如您在 examples.pyviz.org 上看到的所有示例），然后回退到选项 1，然后是选项 3 ，如果需要，选项4！但对于正常情况，选项 1 和 2 通常就足够了。
其它你可能感兴趣的问题