python包安装相关-conda，pip-虚拟环境

运行python的时候一定要注意当前运行所在环境位置，环境位置不同，包含的依赖包是不同的，然后不注意的话就是出很多莫名其妙的问题，比如一个pycharm里面不能运行的东西，命令行又能运行啥的

PIP使用的一些点：

• pip安装包的时候加上后缀 --prefer-binary 不用最新的包，这样能避免很多包冲突安装不上的问题。

• 为什么anaconda环境中，还需要用pip安装包，anaconda本身只提供部分包，远没有pip提供的包多

• 在不同的conda环境中使用pip要注意pip是不是在当前环境中
  查看pip安装位置的办法
  pip show pip
  pip所在位置就是安装位置了 对应的 site-packages 目录下
  如果pip不在当前环境，需要先在当前环境安装
  使用如下命令：
  　　　　（进入环境后）
  　　　　 conda install pip
  此时，正常使用pip安装就行了。

原因：
创建的conda环境里，也可能没有pip，此时用的是base环境的pip
pip不知道环境，pip在哪儿，包就安装到哪个环境，那么有可能会把包安装到base里面，结果出错产生版本冲突问题找半天你还不知道问题在哪儿

• 安装git的包
  如果安装不上，那么下载，然后进入项目目录，然后使用pip install . 然后就能安装了

虚拟环境相关

https://sspai.com/post/75978

环境管理的的原因

conda的环境管理，环境管理主要用来应对一个包的不同版本之间的不兼容问题。
假如有一个项目P，它依赖a,b,c包，都是1.0的，然后然后a的开发者开发了2.0版本的a，出于某种原因我们更新了这个包（新的项目需要，或者某个包连带更新了它），但是2.0的a和1.0的a不兼容。也就是P不能按照原来的方式调用a，这时候就GG了，项目P不能跑了。

所以这种情况下，我们就很有必要为一个项目建立一个隔离的依赖环境了，也就是在这个环境中，依赖包版本是固定的，不被其他地方影响然后更新，遇到版本不兼容，项目不能跑的问题。

为什么不做版本兼容的包，这对开发者来说成本太高，因为Python开源，涉及到的整个环境太大了，涉及到的各种领域太多了，没有统一的控制，难以协调起来。不像Java，相对来说，整个体系控制比较严。这也是Python在服务器领域不好的原因吧，兼容性差，不稳定。

虚拟环境管理工具

目前有好多种虚拟环境管理工具

查了一下上述的管理工具，似乎没有一个具有明显的优势。
目前conda应该用的人最多，也用了一些时间了，所以还是只能选择这个。
pycharm导入anaconda的环境
file —setting ----project xxx—python interpreter
现在2023年2月18日的界面张这样，和以前不太一样了

然后选择conda的虚拟环境，其它也是环境管理工具，没有什么明显的优劣吧，这里选择conda的。
里面conda.exe注意选择Script下面的conda.exe
这里可以选择已经纯在的环境或者重新创建一个。
重新创建最好手动创建吧，在这里面创建都不知道位置在哪里。

conda的核心就是包管理和环境管理

不要用conda安装包，垃圾极慢
注意conda 是一个很垃圾的玩意儿，用的过程中你会遇到一些愚蠢的设计和东西，典型的，包多了根本无法通过它安装新包，直接resolve environment时卡死，咱是没办法才用它。

不能直接卸载conda 会删掉原来下载安装好的所有包

环境管理具体规则

由上面，知道了必须做环境隔离管理。那么具体怎么做呢。

创建环境
conda create -n env_name python=version pkg_name=version
python指明python的版本，不指名的话就用默认的版本
这个环境实在anaconda安装目录下面的，应该放在项目目录下更好
指定环境目录、位置
conda create --prefix=C:/ProgramData/Anaconda3/envs/xxx python=3.8
其中C:/ProgramData/Anaconda3/envs 是创建的目录所在位置；/xxx是所创建的环境的名称
指定了路径就不能同时指定名字，垃圾

删除环境
conda env remove -n env_name

激活环境
激活环境不能在cmd中用，需要在conda的命令行窗口中用，垃圾
conda activate env_name 或者 路径
conda activate envs
使用默认的pythonh环境，后面不加环境名字即可
conda activate

3). 退出环境
conda deactivate
source deactivate

查看已经安装的环境，会显示当前所在环境
conda info --envs

验证您当前环境中的 Python 版本:
python --version

导出环境配置
conda env_name export > environment.yml

拷贝环境
conda create -n B --clone A
克隆A到B中

清理环境中的安装包：
conda clean -a

环境管理更进一步的认知

激活环境之后，conda进行包管理，增删改查什么的，就只会在这个环境中生效。
运行python代码，代码用到的依赖就会先从这个环境中找，如果没找到，那么是没有了
环境管理能管理驱动吗，比如nvidia的驱动，应该是不能的

pycharm中配置conda环境

前面和windows一样，设置- 项目- python解释器-选中项目-右边Python解释器-最右边设置按钮-添加-选择conda环境-现有环境变量
后面不同的是选择的文件
默认conda环境
Conda Interpreter：Anaconda安装目录/bin/python
这里anaconda默认安装目录就是home下面的anaconda
自己建立的conda环境
Anaconda安装目录(如果指定了虚拟环境的安装路径则选择虚拟环境路径)/envs/虚拟环境名称/bin/python

包管理：

安装
conda install package_name=version
卸载：
conda remove package_names
更新包
conda update package_name=version
查看安装哪些包
conda list

渠道管理

这个决定你从哪个站点，下载及安装资源包

添加新渠道到顶部，最高优先级
conda config --add channels new_channel

或者conda config --prepend channels new_channel

添加新渠道到底部，最低优先级
conda config --append channels new_channel

conda和深度学习

有人说：根据他的经验，只要你显卡是最新的驱动，那么它可以同时支持好多的cuda版本，安装在不同环境中

源管理

首先翻墙用起来，就不用源了
参考https://mirrors.tuna.tsinghua.edu.cn/help/anaconda/
设置清华源，全局搜索或者打开用户目录下的.condarc 文件，设置如下内容进去
channels:

• defaults
  show_channel_urls: true
  default_channels:
• https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
• https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r
• https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2
  custom_channels:
  conda-forge: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  msys2: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  bioconda: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  menpo: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  pytorch: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  pytorch-lts: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  simpleitk: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  然后 运行 conda clean -i 清除索引缓存，保证用的是镜像站提供的索引。

使用的坑

python官方的版本，3.x 3.x.x conda里面可能没有,然后你用pip conda 可能都装不上 然后提示找不到包

其它

有时候一个包会莫名其妙找不到，试了采用不同的源，原始源都不行，不要再尝试了，用pip