【快速上手】用 Anaconda 搭建专属 Python 虚拟环境

不会写算法的小沈

已于 2025-02-25 10:43:33 修改

阅读量979

点赞数 21

文章标签： conda python vscode 深度学习

于 2025-02-25 10:32:29 首次发布

本文链接：https://blog.csdn.net/m0_75062065/article/details/145845960

版权

在这里插入图片描述

文章目录

认识Anaconda
环境
如何安装所需包

认识Anaconda

Anaconda 是一个开源的 Python 和 R 语言的发行版本，其核心功能是帮助用户轻松创建、管理和切换不同的虚拟环境。在这些虚拟环境中，用户可以安装特定版本的 Python 以及各种所需的库和依赖项，从而实现不同项目之间的环境隔离，避免因依赖冲突等问题导致的项目运行错误。例如，一个项目需要 Python 3.6 和特定版本的 numpy 库，另一个项目需要 Python 3.9 和不同版本的 pandas 库，通过 Anaconda 创建的虚拟环境就可以轻松满足这些不同的需求，让每个项目都能在各自独立的环境中稳定运行。

Anaconda是一款可以方便搭建虚拟运行环境的软件

环境

在这里插入图片描述

图(1)展示的是当前已有的不同 Anaconda 环境。其中，base环境是在安装 Anaconda 时默认创建的初始环境。
为了确保环境的稳定性和可维护性，每个环境中一般推荐仅配置一个 Python 解释器。这样可以有效避免因多解释器版本冲突引发的问题。同时，在各个独立的环境中，你能够根据具体项目需求，自由安装所需的其他软件包，实现不同项目间的环境隔离。

更改计算机所处的运行环境

每当需要一个独立的环境来运行程序时，需要主动切换环境，方法主要有如下两点：

使用anaconda的交互界面中的environment选项，选择你要切换的环境

tips：

切换过程比较慢，需要耐心等待

使用cmd切换

# 切换环境
conda activate [env_name]
# 查看所有环境，以及当前所处环境（带*号）
conda env list

在这里插入图片描述

更改第三方开发工具的运行环境

如果需要联合第三方开发工具，如：pycharm、vscode、spyder等，则需要手动在第三方开发工具内部切换环境，方法如下：

Pycharm

首先打开Pycharm，创建一个新的项目，我们为这个项目配置运行环境

在这里插入图片描述

Interpreter type（解释器）：我们选择Custom environment（自定义环境）
Environment（环境）：如果需要创建一个新的环境，则选择Generate new；但是一般我们都是在创建并搭建好环境后再使用pycharm开发，所以选择Select existing（选择已有环境）
Type：选择Conda
Path to conda：这里需要选择是安装anaconda时其对应的程序conda.exe，使用该程序是来管理运行环境和包
Environment：从已有环境中指定项目的运行环境（有可能会遇到爆红警告的情况，可以在Pycharm编辑页面File->Invalidate Caches中点击Invalidate and Restart即可）

vscode

在这里插入图片描述

首先下载python扩展（扩展中搜索python）

在这里插入图片描述

创建python文件+编辑好代码，使用ctrl+shift+p选项，在下拉窗口中选择Selet interpreter，然后指定对应的python环境即可

spyder

在这里插入图片描述

该软件可以在Anaconda的home页面中安装（每个环境的安装是独立的）；安装好之后，启动spyder

在这里插入图片描述

依次选择控制台->偏好->Python解释器，然后选择对应环境下的 Python 解释器（这里的python是每个独立环境下的python程序，此处为作者自定义路径，所以可能会和实际操作时有所差别）；选择好后，点击左上角文件->重启

如何安装所需包

最方便的安装方法： 使用Anaconda交互界面安装
1. 选择ALL，查看所有的包
2. 右上角搜索需要安装的包名
3. 勾选要安装的包
4. 点击应用（在点击之后会进行check，如果你缺乏某些运行该包所必须的依赖包，则会报错。此时需要你先将依赖安装好，再安装该包）
更优秀的安装方法

由于各种版本适配问题，Anaconda 交互界面可能难以安装到所需版本，导致包之间不兼容。使用 conda 命令从软件包库安装在一定程度上能更好地解决版本问题，但同样也可能存在版本冲突和兼容性风险。例如：

# 搜索对应包的所有版本
conda search tensorflow-gpu -c conda-forge
# 安装对应包的版本
conda install cudnn==8.1.0.77 -c conda-forge

较快的安装方法

如果网络较差，安装不成功，可进入 PyPI 官网下载指定的.whl 文件进行离线安装。下载好之后，使用指令：

# 其中[path_package_name.whl] 需替换为实际的.whl 文件的路径和文件名。
pip install [path_package_name.whl]