人工智能实战篇之----- 环境配置与使用

环境配置与使用

为什么要使用虚拟环境

在实际项目开发中，我们通常会根据自己的需求去下载各种相应的框架库，如Scrapy、Beautiful Soup等，但是可能每个项目使用的框架库并不一样，或使用框架的版本不一样，这样需要我们根据需求不断的更新或卸载相应的库。直接怼我们的Python环境操作会让我们的开发环境和项目造成很多不必要的麻烦，管理也相当混乱。如一下场景：

场景1：项目A需要某个框架1.0版本，项目B需要这个库的2.0版本。如果没有安装虚拟环境，那么当你使用这两个项目时，你就需要 来回 的卸载安装了，这样很容易就给你的项目带来莫名的错误；

场景2：公司之前的项目需要python2.7环境下运行，而你接手的项目需要在python3环境中运行，想想就应该知道，如果不使用虚拟环境，这这两个项目可能无法同时使用，使用python3则公司之前的项目可能无法运行，反正则新项目运行有麻烦。而如果虚拟环境可以分别为这两个项目配置不同的运行环境，这样两个项目就可以同时运行。

配置虚拟环境与jupyter

1. 安装anaconda。
2. 在anaconda中下载jupyter
3. 在搜索栏中搜索如下程序，之后的命令是在里边执行的。
4. 创建虚拟环境: conda create -n env_name python=x.x . 在该命令总，只有后边的 env_name 改成你自己要设置的虚拟环境名就可以了。如果使用默认的安装目录的话，虚拟环境可以在anaconda安装目录下的envs文件夹中找到。(可以使用命令修改虚拟环境所安装的位置) ，其中python=x.x可以指定python的版本号这是很关键的东西。
5. 创建虚拟环境的时候切记要在刚点进去的目录下进行，否则会出现Solving environment: failed with repodata from current_repodata.json的报错提示
   如果出现类似错误的话，就在用户中找到后缀为.condarc文件，将里边的内容替换为清华镜像源：

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
  simpleitk: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud

之后，打开anconda prompt 输入conda clean -i 清除索引缓存，保证用的是镜像站提供的索引。

7. 
8. 激活虚拟环境: conda activate 虚拟环境名
9. 如果没有使用下边两个命令那么在虚拟环境中打开的jupyter 仍然是基于基本的环境base的。 10. 之后使用命令: jupyter notebook后就可以在该虚拟环境下使用jupyter了。(在使用该命令前可以修改jupyter 运行基于的文件夹，也就是到时候新建文件存放的目录)
10. 下边图片维修jupyter的默认目录

到这里就大功告成了！