为什么要使用Anaconda
Anaconda诞生前的问题
我们知道,我们在用python语言的时候,需要下载一个python解释器,没有解释器,我们的代码就没法运行。同时,我们在写代码时,还需要使用许多系统自带的包和第三方包(它们都放在python安装路径下Lib目录)。这告诉我们,一个python环境由解释器(python.ext)+包集合(自带的包+第三方包) 来决定
- 解释器:随着python的发展,python的版本越来越多,功能也越来越丰富,这导致我们在写不同的项目的时候,可能需要使用不同的python版本 (比如:我们开发一个人事管理系统时,我们想用python2.7来做,当开发一个商城,我们想用python3.7开发),当我们同时开发多个项目的时候,如果他们所用的python解释器不同,那我们就麻烦了,我们电脑上该装哪个版本呢?
- 包集合:不同的项目需要用到不同的第三方包,如果我们把所有项目的所有包都放在同一个环境中,那么包的管理会非常混乱。如果其中一个项目拿到另一台电脑运行,到底哪些包是这个项目的呢? (你愿意把所有项目的包都拷贝到另一台电脑,还是愿意到另外一台电脑上重新下载那些缺少的包呢?)
Anaconda的诞生
- 解决以上两个问题:利用Anaconda,我们可以在一台电脑上创建多个环境 (一个项目一个环境),这样,每个项目想用哪个解释器版本,就用哪个 (因为一个项目给你一个环境,项目之间井水不犯河水)。同时,每个项目的第三方包也独立出来了 (一个项目一个环境),这样,我们想把项目放在另一台电脑上时,直接将该项目+环境(三方包)一块拿走就好了
Anaconda安装
- 到官网下载安装包
- 安装
- 在命令行中输入conda --version 查看anaconda是否安装成功
Anaconda使用总结
安装完成后,我们就可以用Anaconda创建一个个单独的虚拟环境了
-
activate命令:activate+虚拟环境名,可以激活指定的虚拟环境,如果activate后什么都不加,则激活系统自带的base环境,我们在base环境下输入python,那么这时我们用的是base环境下的python编译器
-
检测目前安装了哪些虚拟环境:conda info --envs
-
创建一个名字为tensorflow的虚拟环境:conda create --name tensorflow python=3.7
-
切换虚拟环境:activate 环境名
-
安装包(在线):pip install 包名
-
安装包(脱机):1.切换到安装包所在目录 2.pip install 安装包名
-
卸载包:pip uninstall 包名
深入理解
anaconda的原理是什么?我们可以看看他的目录
这是anaconda的安装目录,如果我们安装过python,我们会发现,这个目录与python的安装目录非常像,没错,这个目录就是anaconda的base环境,是一个python环境
- 在这个目录里,我们发现一个envs的目录,我们点进去看看里面的内容
- 从图中,我们可以看出,里面有一个tensorflow的目录,这个目录正是我们创建的名字为tensorflow的虚拟环境
- 点击,进入tensorflow文件夹
- 我们可以看出,这个目录与python解释器的目录结构几乎一样,跟base的也几乎一样,没错,这就是一个单独的python解释器
- 这么看, anaconda所谓的创建虚拟环境其实就是又创建了一个真实的python环境
与pycharm连接
在Setting -> Project -> Project Interpreter 里面修改 Project Interpreter , 点击齿轮标志再点击Add Local,选择某个环境的python.exe解释器就行了