Anaconda使用总结（conda操作，环境操作，包管理）

背景：Anaconda作为深度学习最流行的pipeline之一，可以方便的修改和导出学习环境，每次跑代码配环境总是一件令人头大的事情。之前一直没有好好研究Anaconda的用法，导致每次使用的时候一些简单的命令都需要现场查询，所以想着把一些常见的用法和命令固化，希望能够帮到大家，也作为自己以后的一个查阅的依据。

配合Pycharm使用

当把代码拉到本地之后，要给代码创建或者分配一个解释器：
在设置的解释器中，这里可以选择已有的解释其，也可以点右边的齿轮按钮选择新建一个新的解释器。

打开之后，选择Conda环境，接下来要选择Python环境，非常重要，一定要看好大部分需要的包支持的版本或者代码requirement里要求的环境，因为虽然装完所有包之后，再换python的版本会导致很多包需要重新装或者冲突，虽然conda可以解决一部分这个问题，但还是比较麻烦的，所以一定看好。

配置了解释器之后，再打开pycharm下面的终端，可以看到已经进入了conda环境。可以直接使用了。

conda命令

conda操作

更新conda版本: conda update conda
升级anaconda: conda update anaconda
查询conda信息: conda info
查询conda安装的包：conda list

环境操作

显示所有的环境：conda env list
查看环境信息：conda info --envs
创建虚拟环境：conda create -n 环境名字 python=指定python版本
复制已有的环境：conda create --name new_env --clone old_env
进入创建的虚拟环境：conda activate 环境名字
删除环境：conda env remove -n 环境名字 --all
退出当前环境：conda deactivate

包管理

Anaconda源下载包：

# 搜索安装包
anaconda search -t conda tensorflow-gpu 

# 括号内的为上传者的名字和包名
anaconda show （cjj3779/tensorflow-gpu）

# 搜索出的结果的最后一句话
conda install --channel https://conda.anaconda.org/cjj3779 tensorflow-gpu

whl文件本地安装

从pypi下载whl包：https://pypi.org/
里面有release history可以找到老版本
以opencv-python为例：



接下来进入下载页面，需要注意的有几个点：

1. cp37：python3.7
2. arm64：64位计算机系统使用
3. win32：32位系统
4. manylinux：linux系统使用
   一定要看好符合自己环境的包和系统再下载
   
   下载到本地之后，进入想装该包的环境之后，输入命令：
   pip install C:\Users\cbx\Desktop\ opencv_python-4.5.5.62-cp37-abi3-macosx_11_0_arm64.whl
   后面的路径是whl的路径
   另外，除了pypi的下载路径之外，可以看一下anaconda的下载源，链接如下anaconda搜索链接，例如搜索Pytorch

Github源安装

setup.py是什么
setup.py是Python脚本，通常随该语言编写的库或程序一起提供。
目的是正确安装库或程序。
许多软件包将distutils框架与setup.py结合使用。
setup.py告诉您要安装的模块/软件包已与Distutils打包并分发，
Distutils是分发Python模块的标准。

操作过程：

• 将github包拉到本地，解压到文件夹中，复制路径
• activate激活环境
• 进入文件所在目录
• python setup.py install

PIP和Conda

在安装的时候，有pip install xxxx和conda install xxxxx，本质上来讲，pip屎python安装包的方法，conda是anaconda安装包的方法。
总结如下：

1. 远程仓库不同（源不同）。pip的仓库里有150，000多个包，conda只有1500多个。当然，我们用的时候肯定不用这个默认的远程仓库，都替换成国内的阿里源、清华源了。

2. 可装包范围不同

pip是一个纯粹的管理和安装python库的工具；而conda不仅仅可以安装python库，一些依赖的c/c++库或者其他语言库，也是可以一并安装的。

3. 依赖处理的逻辑不同

虽然两者都会校验依赖，但是校验的逻辑和方法是不同的。pip是按顺序一个一个检查，如果安装第一个库时，引入了第二个库不兼容的库，那么安装第二个库的时候，就会存在问题；而conda是在执行命令时，对所需安装的库做统一的兼容检查，以安装最合适的版本。

conda换源

condarc这个配置文件（文件在用户目录下，我的在C:\Users\用户名称.condarc），永久性配置镜像源(清华源）。更改后内容如下：

channels:
  - defaults
show_channel_urls: true
channel_alias: https://mirrors.tuna.tsinghua.edu.cn/anaconda
default_channels:
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/pro
  - 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
  simpleitk: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud

更改完成后，在命令行输入以下命令完成配置的更新：

conda config --set show_channel_urls yes

其他

安装完整的pytorch

conda install pytorch torchvision torchaudio cpuonly -c pytorch

pytorch的原始版本在conda里面可以比较方便的安装，可以参考官网的安装脚本代码，可以做到匹配torch和torchvision和cuda的版本，具体网址如下：pytorch官网安装代码查询