Linux下anaconda创建虚拟环境以适应各种版本需求的深度学习代码（搭配Pycharm使用）

Linux下anaconda创建虚拟环境以适应各种版本需求的深度学习代码（搭配Pycharm使用）

这是我的第一篇博客（汗颜），想借写博客来记录学习路上的各种心得以及爬的坑，同时对自己也是一种激励。
因为各种模型使用的环境各不相同，因此针对不同的模型配置不同的虚拟环境来运行，能省去很多不必要的麻烦。因此将这个流程记录一下。

anaconda创建虚拟环境

这部分主要是参考以下两位博主的内容。
使用anaconda创建虚拟环境: https://blog.csdn.net/amateur_hy/article/details/90716411。创建好的虚拟环境位于anaconda/envs下。
同时，对创建好的虚拟环境的各种操作也必不可少：https://blog.csdn.net/weixin_40100431/article/details/82116171。其中包含虚拟环境的创建、激活、删除，以及对环境中包的增删等操作。注意：其中进入已存在的虚拟环境时使用conda activate env_name，退出虚拟环境时使用conda deactivate而不再是source deactivate。

Pycharm使用所创建虚拟环境

为了方便编译和修改，我还是习惯在Pycharm上跑模型。因此绕了点远路，再回到Pycharm使用所创建的虚拟环境。步骤如下：
1、Settings==>Project==>Python Interpreter==>Virtualenv Environment==>Existing Environment

2、进入虚拟环境所在文件夹，选取创建环境时随之设定创建的Python编译器。

3、安装所需要的库。这里有两种方法。一种是直接按下图所示，点击 + 一个个安装，但是有可能没办法安装你所需要的版本，例如Pytorch就只有0.1和1.1两个版本。如果我需要的是0.4.1，显然就无法安装。使用第二种方法可以解决这个问题，直接在命令行终端，进入本虚拟环境，使用conda命令安装指定版本库即可。此外，为避免手动一个个安装库，还可以将所有需要的库写入创建的requirement.txt文件保存在相应虚拟环境的文件夹中，一次性安装【pip install -r requirements.txt】。下图中的Pytorch0.4.1就是采用第二种方法安装的。