(细致入微的教程)Anaconda(python)中的虚拟环境系列博客(一)：安装

前提：默认大家完成了Anaconda的安装

一、虚拟环境是什么？

    做个类比，在window系统里面装了虚拟机，虚拟机的故障不会延伸直自己的主系统。同理在python中创立一个虚拟的环境，这个虚拟的环境的好坏不会影响基础的环境(Anaconda自带的base环境)，且这个虚拟环境可以随意卸载，随意创建。

二、为什么安装？

    Anaconda安装完成之后，默认带有一个base环境，这个base环境好比你出生的时候就有了一个房间(爸妈的房间)，当你逐渐长大，你想要一个自己独立的空间自由驰骋，比如你想要一个书房，一个画房，但如果把书籍，画画材料放到爸妈的房间里，就会显得一团乱麻，这时你肯定就想再拥有两个房间，一个作书房，一个作画房，彼此互不干扰，这就是虚拟环境的来历。即：如果把所有的库都安装在base中，会使整个base环境混乱不堪，所以创建不同的虚拟环境完成不同的任务。

    这时有人还会说虚拟环境没有必要，就喜欢在一个环境里装所有库，但是这样会带来另外的一个问题：需求版本的不匹配。尤其是在学习机器学习的时候，涉及到一些第三方库的安装，比如pytorch，gym。举个例子：假设框架中需要安装A包，安装A包的前提条件是B包的2.1版本和C包的1.2版本都有，这时候你原来系统里的B包可能是3.2版本，为了装A包就需要降版本，但是系统里原来的D包需要3.2版本的B包，所以B包降了版本，可能导致D包无法使用【1】。

    这个原因更加导致了虚拟环境的创建，总不能每天各种更换库的版本吧。

三、如何安装？

    看到这里，应该都是想要安装虚拟环境的人了。具体安装步骤如下：

1、首先看一下自己电脑里已经有的环境(第一次只有base环境)

方法：打开开始菜单，找到anaconda目录下的anaconda promote，默认进入自带的base环境，输入conda env list，如下图

图1 打开anaconda promote

图2 查看已有环境，初始时只有base，此图中的tensorflow-gpu是我创建的虚拟环境

星号为当前所处的环境

2、创建虚拟环境

2.1 方法：创建环境名：conda create -n 环境名 python=3.7.3

例如：输入conda create -n tensorflow-gpu python=3.7.3

2.2 解释

    分为5部分，conda和create两部分为固定的，顾名思义：我要conda创建；-n其实就是name，也是固定的，第四部分为环境名，可以叫任意名字，比如LoveStudy；最后一部分就是你电脑中的python版本。

如下图，当输入conda create -n 环境名 python=3.7.3之后，系统从镜像源网站开始手机数据，下载需要的包用来创建环境。

注意：有时候创建会出现以下情况，根本原因是因为镜像源不对

解决方法：win+R进入cmd，键入.condarc，修改里面的镜像源地址

原理是因为系统本身自带的是国外的镜像源网址，当进入.condarc之后，通过修改镜像源，就可以直接从国内进行下载

Collecting package metadata: failed

CondaHTTPError: HTTP 000 CONNECTION FAILED for url <https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/win-64/repodata.json>
Elapsed: -

An HTTP error occurred when trying to retrieve this URL.
HTTP errors are often intermittent, and a simple retry will get you on your way.
ConnectionError(ReadTimeoutError("HTTPSConnectionPool(host='mirrors.tuna.tsinghua.edu.cn', port=443): Read timed out."))

这里的解决方法参见【2】。

3、激活虚拟环境

3.1 目的

    将环境从base环境转到你创建的环境，接下来的操作就是在虚拟环境中的操作。(类比于你开启了电脑里面的虚拟机，在虚拟机里面可劲造)

    （因为上述只是单纯的创造了一个环境，但还没有进入此环境，这里的激活就是进入这个环境，且接下来要在这个环境中运行代码了。）

3.2 方法：conda activate 环境名字

如下图：

    如图，激活之后，前面的括号中的base变成了tensorflow-gpu，且星标位于tensorflow-gpu，即当前所处环境是tensorflow-gpu，而非base环境

4、后记【1】

    关于虚拟环境还存在一种情况，比如我想再创建一个虚拟环境，这个新的虚拟环境需要包含目前我当前环境的所有包，这就需要使用conda进行环境迁移(类似于复制一遍环境)

5、虚拟环境优缺点分析

优点：环境之间彼此独立

缺点：需要在虚拟环境重新安装一遍所需的包，这样会带来一点点存储开销，比如下图，创建的虚拟环境中只自带了几个包

(查看包的方法：进入虚拟环境，输入pip list或pip freeze)

此时需要自己手动安装所需要的包，方法：pip install 包的名字，所有的包都可以pip install 或conda install

例：

参考博客：

【1】：https://zhuanlan.zhihu.com/p/136268744(吃肉咩)

【2】：https://www.cnblogs.com/tianlang25/p/12433025.html

 

如有侵权，请联系删除