在Anaconda下装多个版本的python环境及常用命令

参考文章：

多python环境conda安装pytorch_如何共享其他环境pytorch-CSDN博客

基础认识

a、Anaconda已安装python版本环境的文件位置（在Anaconda3\envs下）：

（我的在：D:\appc\Anaconda3\envs）目前只有一个环境

b、查看某个环境下安装包源码的文件位置（在Anaconda3\envs\pytorch\Lib\site-packages下）

（我的在D:\appc\Anaconda3\envs\pytorch\Lib\site-packages）

一、创建环境

1、打开CMD

2、查看已经存在的环境（防止创建新环境时同名），输入以下命令

conda env list

其中*号代表现在所处的环境。base是基础环境，pytorch是之前创建环境

3、创建新的环境，输入以下命令（二选一），其中pytorch1是新环境的名字，python=3.8是指定的新环境的python版本。

conda create -n pytorch1 python=3.8
或
conda create --name pytorch1 python=3.8

之后输入y，等待安装

4、激活环境，输入以下代码

conda activate pytorch1

5、安装pytorch，

此时，要先查看一下自己电脑的CUDA版本（windows系统下，win+R打开命令行界面输入cmd，之后命令行中输入：nvidia-smi，即可查看，如下图所示，我的是12.2）

 之后进入pytorch官网Start Locally | PyTorch，下滑，选择合适的配置（没有CUDA12.2则选择12.1），之后复制红框的内容（安装命令），在新创建的环境下执行安装命令，

pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121

时间可能有点慢，等待。。。。，

报错可能是因为网速太慢导致下载中断，重新输入安装命令继续下载就好

6、检查是否安装成功，输入

pip list

其中“+cu121”表示这个PyTorch版本是为CUDA 12.1编译的，这个版本相对较旧。但也说明已经安装成功。若要更新PyTorch版本，可以使用以下命令（默认最新版本及其相关库）：

pip install torch torchvision torchaudio --upgrade

若需要指定CUDA版本（如果适用），也可以使用torch==1.14.0+cu113来安装特定版本的PyTorch。（更新PyTorch版本还没试过）

7、至此安装完成，打开vscode，Ctrl键+shift键+p，弹出“Python：选择解释器”，点击后选择自己新建的pytorch1，即环境切换完成

二、常用命令

1、环境相关

• 查询已搭建的环境：
  • conda env list
• 创建环境：
  • conda create -n pytorch python=3.8
  • conda create --name pytorch python=3.8
• 删除环境：
  • conda remove -n pytorch --all
• 激活环境：（对于base环境，可直接简写为activate）
  • activate pytorch
• 退出环境：
  • deactivate
• 导出环境配置文件environment.yml：
  • conda env export > environment.yml
• 从YAML文件创建环境：
  • conda env create -f environment.yml

2、conda相关

• 下载包：
  • conda install package_name
• 卸载包
  • conda remove package_name
• 查询环境中的所有包及其版本：
  • conda list
• 更新conda本身：
  • conda update conda
• 更新环境中的包：
  • conda update --all
• 搜索可安装的包（package_name是包的名字）：
  • conda search package_name

3、pip相关

• 查看包的详细信息：
  • pip show package_name
• 列出已经安装的包
  • pip list
• 安装特定版本的包：
  • pip install package_name==version
• 安装包
  • pip install package_name
• 卸载已安装的包
  • pip uninstall package_name

注意：结合使用Conda和pip时，通常建议首先使用Conda来管理主要的Python环境和依赖包，尤其是那些与操作系统级依赖紧密相关的包。对于Conda仓库中不存在的包，则可以使用pip来安装。然而，要注意混合使用Conda和pip可能会导致环境依赖问题，尤其是在复杂的项目中。因此，尽可能在一个环境中保持一致的包管理工具是一个好的做法。