对于anaconda的作用一般使用python的人都知道,它提供了包管理于环境管理的功能,支持Linux、Mac、Windows系统,可以很方便地解决多版本python并存、切换以及各种第三方包安装问题。
我之前也不知道为什么要去创建虚拟环境,后来才发现python是一门非常依赖环境的语言,尤其是开始复现一些大神的demo时会发现,每个开发者的开发环境都不太一样。举个栗子:如果你需要复现的工程是基于tensorflow 1.4.0的,而你自己的版本是1.9.0,是否要降版本来营造和人家一样的环境呢?是否每次都要通过换自己本地的版本以达到工程的兼容性呢(我真的这么去做过。。。)
conda安装虚拟环境
conda create -n your_env_name python=X.X
输入上面这行命令,随即可以创建一个your_env_name,基于版本X.X(可以是3.6或者3.7任何可用的版本)的一个虚拟环境了。
激活conda虚拟环境(windows):
activate your_env_name
如果你使用的是Linux系统:
source activate your_env_name
激活之后,命令行的最前面就会出现虚拟环境的名字,我创建了两个虚拟环境,分别用来实现tensorflow与pytorch的项目:
(tf13)D:\>
这是我激活tensorflow的环境,括号里是环境名
(mypytorch)D:\>
这是我激活pytorch的环境,括号里是环境名
退出虚拟环境
conda deactivate
如果是Linux系统,
source deactivate
查看Conda环境下所有的虚拟环境
conda info --envs
删除Conda虚拟环境
conda remove -n your_env_name --all
your_env_name对应的就是要删除的虚拟环境名称
用jupyter notebook管理conda多环境kernel
notebook是我目前我最喜欢的编辑器,使用conda创建多个环境时,如果notebook中无法找到虚拟环境的kernel,一个方法是先激活虚拟环境,然后在虚拟环境中打开notebook,这里要说第二个方法:在虚拟环境中安装kernel模块
- 在主环境中安装nb_conda
conda install nb_conda
- 激活虚拟环境
activate tf13
- 在虚拟环境中使用conda安装ipykernel
conda install ipykernel
重启notebook就可以看到这个虚拟环境的kernel了。
![](https://i-blog.csdnimg.cn/blog_migrate/6913815880f5ffca454ee99a0343096a.png)
![](https://i-blog.csdnimg.cn/blog_migrate/f9e94c20f0de196cba763c4dfd1b824f.jpeg)
参考:
https://blog.csdn.net/leviopku/article/details/84548816