Anaconda与Pycharm的使用

Anaconda与Pycharm的使用

Anaconda的安装就不多说了，自己百度吧哈哈哈=，=

创建虚拟环境

打开AnacondaPrompt

就是这个

base是基础环境，本来就有哒
我们想建一个工程的专有环境，就可以用到Anaconda的虚拟环境了，Anaconda可以实现环境的管理，我们就可以在不同的情况下用不同的环境了
创建新的虚拟环境，输入

conda create -n env_name python=version

这里的env_name是你创建的环境的自定义名字，version是python版本
下面是一些常用的语句O.O

管理环境

• 列出所有已有虚拟环境

conda env list
conda info -e

• 创建新的虚拟环境

conda create -n env_name python=version

• 激活并进入虚拟环境

conda activate env_name

• 删除一个已有的虚拟环境(以下两条指令均可)

conda env remove -n env_name
conda remove –name env_name –all

• 分享代码的时候,同时也需要将运行环境分享给大家

conda env export > env.yaml

• 用对方分享的YAML文件来创建一模一样的运行环境

conda env create -f env.yaml
Jupyter 运行Anaconda的虚拟环境
source activate env_name
conda install ipykernel (注意：在虚拟环境中安装ipykernel)
python -m ipykernel install --name env_name --display-name "env_name" (写入Jupyter的kernel中)
jupyter notebook
Jupyter-Notebook 删除指定 kernel

• –查看jupyter notebook中有哪些kernel

jupyter kernelspec list

• –删除指定kernel

jupyter kernelspec remove kernel_name

管理包

• –管理指定虚拟环境的包

conda install package_name -n env_name
conda install package_name
conda install pack=version (指定安装包的版本)

• –通过requirement.txt指定安装包

conda install --yes --file requirement.txt
pip install -r requirement.txt

• –批量导出环境中所有包的requirement.txt

conda list -e > requirement.txt
pip freeze > requirement.txt

• –删除包

conda remove package_name

• –更新包

conda update package_name

• –列出所有已安装的包

conda list

• –搜索包

conda search package_name

这里提一下pytorch的安装
像numpy这样包用conda install numpy就ok
安装pytorch呢有丢丢的麻烦
首先你要确定你有独立的GPU，即显卡
进入pytorch官网
然后查看一下你要下载的是哪个版本

如何确定下载是CUDA几呢？
开始－运行，输入dxdiag，回车能知道你电脑的Driver Version
查一下这个表，就知道要下载哪个CUDA了

主页没有合适的CUDA到这里找奥~

在AnacondaPrompt进入你的虚拟环境 conda activate 环境名，进入以后，复制下图里对应的语句（根据你的版本），就能下载了

下载完可以输入
python
然后
import torch
如果不报错，就成功了~

Pycharm 配置虚拟环境

Pycharm 的安装也不多说了，百度一大堆的
就简单说一下，配置Anaconda的虚拟环境
上图，file->settings

Python Interpreter->那个小齿轮

Virtualenv Environment->Existing environment(你已经建好的虚拟环境奥)->三个点（你的虚拟环境安装路径，找不到的话我教你，往下看）


这样就知道在哪里了，顺着路径找就可以啦
ps：带的是当前环境，你conda activate哪个环境，就进入了哪个环境，哪个就带**了*
这样就配置好了嗷~