python 笔记（持续更新）

要加油哦～

已于 2024-08-24 16:32:44 修改

阅读量305

点赞数 4

分类专栏：笔记 python 文章标签： python 开发语言

于 2024-08-12 16:43:28 首次发布

本文链接：https://blog.csdn.net/weixin_42479421/article/details/140655768

版权

笔记同时被 2 个专栏收录

45 篇文章 0 订阅

订阅专栏

python

3 篇文章 0 订阅

订阅专栏

windows中，创建/查看/删除虚拟环境，查询python版本号，安装 requirements.txt 依赖包，查看已安装的/更新包，混合环境管理的建议

注意：

- 避免混合使用 pip 和 conda 安装包，可能导致兼容性问题。

- 建议在 conda 环境中优先使用 conda 安装包，除非某个包只能通过 pip 获得。

- 若虚拟环境是通过 conda 创建的（即，在 conda 环境中），优先使用 conda 安装大型包（如 pytorch） ，因为 conda 能更好地处理依赖关系和兼容性问题。

建议：

- 环境一致：用 conda 创建和管理虚拟环境 -----> 建议尽量使用 conda 安装包。（可以避免由于 pip 和 conda 的包管理方式不同而引起的兼容性问题。）

- 兼容性：混合使用 pip 和 conda 安装包可能会导致依赖关系冲突，特别是在处理像 pytorch 这样的大型库时

- 混合环境管理：如果必须使用 pip 安装某些 conda 中无法获得的包，确保在安装前先使用 conda 安装所有关键包，并确保它们没有冲突。

创建虚拟环境

以下，二选一即可

1. venv

为了避免依赖冲突，建议创建一个虚拟环境。

在项目目录中，打开cmd，并输入以下命令：

python -m venv myenv
#myenv是虚拟环境名字

激活虚拟环境

myenv\Scripts\activate

激活后，命令提示符前有‘（myenv）’标记、

2. conda

创建新环境：

conda create --name myenv python=3.11

myenv`是环境的名字，`python=3.11`是你想要的Python版本。

激活环境：

conda activate myenv

查看当前的虚拟环境

conda env list

带 * 号的是当前的虚拟环境

删除虚拟环境

1. 关闭虚拟环境：确保虚拟环境没有激活。如果你在命令提示符中看到虚拟环境的标记（例如 (myenv)），你可以使用以下命令停用它：

deactivate

2. 删除虚拟环境文件夹/目录：通过文件资源管理器（找到右键直接删除）或 cmd删除虚拟环境的文件夹。

在cmd中删除，如下：

rmdir /s /q myenv
# myenv是虚拟环境文件夹的名称
# /s 删除目录及其所有子目录
# /q 安静模式，不会显示删除确认提示

查看python版本号

cmd中，输入python

import torch    #当pytorch成功安装，即可导入

torch.cuda.is_available()    #查询cuda是否可用
print(torch.cuda.device_count())     #查看可用的cuda数量
print(torch.version.cuda)    #查看cuda的版本号

print(torch.__version__)    #查torch版本号（← 两个下划线！！）

安装 requirements.txt 中的依赖包

# 使用pip命令
pip install -r requirements.txt

conda中没有完全等同的命令。

①可以在 conda 环境中，仍使用 pip 来安装 requirements.txt 中的包。

②手动创建 environment.yml文件。即，将 requirements.txt 文件转换为 conda 的 environment.yml 文件，然后使用 conda 创建环境或安装包。步骤如下图：

安装本地项目

pip install -e .

这是pip的功能用于以可编辑模式安装本地项目，conda 本身没有直接对应的命令。可以在conda环境中，直接使用pip命令。（conda环境中允许使用pip安装包或项目。）

查看已安装的包

# 使用 conda 命令
conda list

# 使用 pip命令
pip list

更新包

conda update package_name

混合环境管理建议

在 conda 创建的虚拟环境中使用 pip 安装包通常不会引起冲突，但需要注意以下几点来避免潜在问题：

1. 依赖管理：

conda 和 pip 的依赖管理不同：conda 专注于管理整个环境的依赖关系，它能够确保安装的所有包之间的兼容性。而 pip 更侧重于单个包的安装，不会自动处理复杂的依赖关系。
潜在冲突：如果你在同一个环境中混合使用 conda 和 pip 安装包，可能会引发依赖冲突。例如，如果你通过 pip 安装了一个依赖包，它可能会覆盖或更改 conda 已经管理好的包版本，导致环境不稳定。

2. 推荐做法：

优先使用 conda 安装包：如果某个包可以通过 conda 安装，最好使用 conda 安装。这是因为 conda 安装包时，会自动解决包与包之间的依赖问题。
conda install numpy pandas matplotlib
使用 pip 安装 conda 中不可用的包：在确保 conda 已安装所有能用的包后，如果还有一些包只能通过 pip 安装，你可以在这个阶段再使用 pip。
pip install somepackage