【Python】conda环境创建、镜像配置、常用命令、Jupyter安装、Pycharm配置conda环境【超详细】

概要

本文介绍了如何利用Conda建立Python环境，配置镜像加速，常用命令操作，安装Jupyter Notebook，并在PyCharm中配置Conda环境。通过这些步骤，您将能够快速搭建和管理适用于深度学习开发的环境。

1. conda环境

安装conda以后，可以在开始菜单栏中点击Anaconda Promot，通过conda命令进行使用。

.condarc是conda的配置文件，在用户目录下，这里我们需要管理镜像源。

2. 配置镜像源

2.1 通过修改文件添加镜像源（推荐）

提示：直接修改 .condarc文件是最方便的

清华源（本人使用）：

```cpp
channels:
  - defaults
show_channel_urls: true
default_channels:
  - http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
  - http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r
  - http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2

custom_channels:
  conda-forge: http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  msys2: http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  bioconda: http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  menpo: http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  pytorch: http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  simpleitk: http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud

阿里源：

channels:
  - defaults
show_channel_urls: true
default_channels:
  - http://mirrors.aliyun.com/anaconda/pkgs/main
  - http://mirrors.aliyun.com/anaconda/pkgs/r
  - http://mirrors.aliyun.com/anaconda/pkgs/msys2
custom_channels:
  conda-forge: http://mirrors.aliyun.com/anaconda/cloud
  msys2: http://mirrors.aliyun.com/anaconda/cloud
  bioconda: http://mirrors.aliyun.com/anaconda/cloud
  menpo: http://mirrors.aliyun.com/anaconda/cloud
  pytorch: http://mirrors.aliyun.com/anaconda/cloud
  simpleitk: http://mirrors.aliyun.com/anaconda/cloud

2.2 通过命令配置和删除

# 查看当前conda配置
conda config --show channels
# 增加channel
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud//pytorch/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
 
#设置搜索是显示通道地址
conda config --set show_channel_urls yes

3. 创建Python虚拟环境

在命令行界面（如Anaconda Prompt或终端）执行以下步骤：

3.1 创建虚拟环境

conda create --name YunR python=3.8

--name YunR是指虚拟环境名称为YunR，你可以根据需要更改名称。
python = 3.8是指按照的Python版本

3.2 激活虚拟环境

conda activate YunR

3.3 安装包和运行程序

conda install package_name

pip install package_name

提示:这里推荐conda方式，如果conda方式安装不成功也可以采用pip方式安装。

4.安装Jupyter及配置Jupyter启动地址

简要介绍：Jupyter Notebook是以网页的形式打开，可以在网页页面中直接编写代码和运行代码，代码的运行结果也会直接在代码块下显示的程序。

4.1 安装Jupyter

conda install jupyter notebook

4.2 配置Jupyter启动地址

第一步：查看配置文件信息所在的文件夹

jupyter notebook --generate-config

第二步：修改路径

• 用记事本打开配置文件jupyter_notebook_config.py
• 在待存储的文件夹中新建文件夹，最好命名成英文名称：如我在F盘新建了名为Jupyter的文件夹
• Ctrl+F找到 notebook_dir = ‘’
  下面一行添加c.NotebookApp.notebook_dir = ‘指定的工作路径’
  

4.3 启动Jupyter

输入命令： jupyter notebook即可

jupyter notebook

5. conda常用命令

# 获取版本号和帮助
conda -V          # 获取conda版本号
conda -h          # 获取conda帮助信息

# 环境管理命令帮助
conda env -h      # 查看conda环境管理命令帮助信息

# 列举所有环境
conda info --env  # 列举所有conda环境
conda env list    # 列举所有conda环境

# 创建Python虚拟环境
conda create -n your_env_name python=x.x  # 创建名为your_env_name的Python虚拟环境，指定Python版本为x.x

# 复制某个环境
conda create --name new_env_name --clone old_env_name  # 复制名为old_env_name的环境为new_env_name

# 删除虚拟环境
conda remove -n your_env_name --all  # 删除名为your_env_name的虚拟环境及其所有内容

# 激活或切换虚拟环境
# Windows:
activate your_env_name  # 激活your_env_name环境
activate root           # 切换回base环境

# Linux/MacOS:
source activate your_env_name  # 激活your_env_name环境
source deactivate              # 关闭当前虚拟环境，返回到base环境

# 列举包
conda list               # 列出当前活跃环境中的所有包
conda list -n your_env_name  # 列出非当前活跃环境your_env_name中的所有包

# 安装包
conda install [package]             # 在当前活跃环境中安装包
conda install -n your_env_name [package]  # 在非当前活跃环境your_env_name中安装包
conda install --channel https://conda.anaconda.org/anaconda tensorflow=1.8.0  # 指定版本和channel安装包

# 升级包
conda update [package]   # 升级指定的包
conda update conda       # 升级conda本身

# 查找包
conda search -h          # 查看conda搜索命令帮助信息
conda search tensorflow  # 查找名为tensorflow的包的可安装版本信息
conda search llama-index --channel conda-forge  # 在conda-forge频道中查找名为llama-index的包

# 卸载包
conda uninstall [package]  # 卸载指定的包

# 清理包
conda clean -p           # 删除没有用的包
conda clean -t           # 删除tar包
conda clean -y --all     # 删除所有的安装包及cache

# 分享环境
# 在要分享的环境中：
activate target_env                    # 激活要分享的环境
conda env export > environment.yml      # 导出当前环境的配置到environment.yml文件

# 在新环境中：
conda env create -f environment.yml    # 根据environment.yml文件创建新环境
# 更新conda
conda update conda

# 更新所有已安装的包
conda update --all

# 查看已安装包的详细信息
conda list --show-channel-urls

# 查看特定包的详细信息
conda search package_name

# 查看conda的配置信息
conda config --show

# 添加新的channels到conda配置
conda config --add channels channel_name

# 移除channels
conda config --remove channels channel_name

# 显示当前活跃的环境
conda info --envs

# 安装特定版本的包
conda install package_name=1.0

# 搜索可用的包
conda search *search_term*

# 从环境中移除特定的包
conda remove -n your_env_name package_name

# 清理不再需要的包和缓存
conda clean -a

# 显示已安装包的更新信息
conda update --all --dry-run

# 列出可以更新的包
conda update --all --verbose

# 在新环境中安装Jupyter Notebook
conda install -c conda-forge notebook

# 创建一个Python 2.x版本的环境
conda create -n py2 python=2.x

# 在环境中安装pip
conda install -n your_env_name pip

# 通过pip安装包
pip install package_name

# 列出当前环境中已安装的pip包
pip list

# 从环境中卸载pip包
pip uninstall package_name

6. conda install和pip install 关系

推荐:优先使用conda安装需要的包

小结

• conda与pip的关系：conda可以与pip共存，但为了避免版本依赖问题，推荐优先使用conda安装需要的包。
• 安装位置：conda安装的包位于Anaconda环境的pkgs目录，而pip安装的包则根据当前环境的Python来源不同而放置在不同的目录下。

7. Pycharm 配置 conda 新建环境

• 打开pycharm ，点开设置
  
• 在Python 解释器下面，找到之前载入好的虚拟环境

• 在anaconda 安装位置找envs，本人anaconda安装在D盘下,选中刚建的环境即可
  

小结

深度学习环境的搭建涉及到多个步骤，从创建Conda环境开始，到配置镜像加速，再到安装Jupyter Notebook和配置PyCharm项目解释器，每一步都需要仔细操作和确保环境设置正确。通过这些步骤，可以建立一个稳定且高效的Python开发环境，适合进行深度学习项目的开发和实验。