「上手深度学习平台」2 python 环境

0 前言

现在深度学习程序基本基于 python 语言来编写。来自 wikipedia 的说法，Python 是一种广泛使用的解释型高级和通用的编程语言。而我们在使用 Python 的时候更多是说安装 Python 环境，而不是说安装 Python 软件，因为我们在安装 Python 的时候更多是安装 Python 的库 lib 等底层的东西。而除了要管理底层的东西之外，我们需要有个编写代码的地方，编写完代码需要运行代码。因此就有一些 ide 出现，比如 pycharm，既能编写代码又能运行程序。

我们就编写代码和运行代码两部分来看。编写代码是写对应的符合语言语法的文本文件，而运行代码则是调用底层的东西来解释语言，运行语言。此处说的不是十分准确，大体明白意思即可，有兴趣的可以去查阅程序运行的一些文章。

对编写代码而言，有许多种方法，从上古的 vim，到 notebook++，再到现在的 pycharm 和 vscode ，只要能编辑文本，其实就能写代码。当然一开始为了省事建议使用 pycharm 和 vscode，我研究生期间基本用的都是 vscode。

而运行代码的话，则需要配置好环境，比如对应版本的 python，各种包，torch、numpy 等等。但如果我们有两个不同的深度学习项目，用到了不同的 python 版本，那该怎么办呢？答案就是虚拟环境管理，常用 conda 进行管理。为了方便不同的 python 版本同时存在，我们常使用 conda 构建一个个虚拟环境，每个环境可以安装不同版本的 python 以及对应的 torch、numpy 等包，这样当我们需要运行某个程序的时候，切换到对应的环境即可。

1 conda 安装

上文提到的 conda，其实就是 anaconda 或者 miniconda。两者其实就是大或者小的问题，前者功能可能更多，但后者也够用。

官方的快速安装链接：https://docs.conda.io/projects/miniconda/en/latest/index.html#quick-command-line-install。

拿 mac 或者 linux 举例子，安装完 conda 之后，可能需要初始化下，conda init ，然后我们重启 terminal 之后就可以进到 base 环境。

一些命名可以运行 conda --help 查看。

2 虚拟环境构建

正常我们在创建 python 版本为 3.x 的新环境 new_env 的时候应当这样

conda create -n new_env python=3.x

等到创建完之后运行

conda activate new_env

这样就可以切换到 new_env 环境了。

而此时如果需要在这个环境安装其他包，比如 torch、numpy等，就可以放心安装了，此时的安装只针对 new_env 环境，并不会影响到 base 环境和其他环境。