conda新建虚拟环境

如果在一台电脑上，想开发多个不同的项目，可能需要用到同一个包的不同版本。
如果在同一个目录下安装或者更新，新版本会覆盖以前的旧版本，其他的项目就无法运行了。

解决方案：虚拟环境
作用：可以搭建独立的python 运行环境，使得单个项目的运行环境与其他项目互不影响。

创建环境

在Anaconda中创建一个名为my_env的，指定python版本为3.7的虚拟环境。这里以py3.7为例，因为其兼容性较好，适用于多种版本的pytorch。

conda create --name my_env python=3.7

或

conda create -n my_env python=3.7

安装过程中输入y或直接回车以继续。或直接输入

conda create -n my_env python=3.7 -y

创建完，可以在Anaconda的安装目录下找到envs/test目录。
python版本号若未指定，则默认为Anaconda安装时python的版本。

若想要在创建环境同时安装python的一些包如numpy、pandas：

conda create -n test python=3.6 numpy pandas

查看所有已安装的环境

conda env list

激活进入环境

Linux: conda activate my_env 或者 source activate my_env
Windows: activate my_env

此处my_env是要激活的环境名称。

tips:
linux用户可能需要进入到anaconda/envs目录下激活需要的环境；
linux用户如果不想每次都到目录下激活，需要进行全局环境变量设置，将需要激活的路径下的bin文件添加到全局环境变量中。如将/home/yourName/anaconda3/envs/my_env/bin添加到~/.bash_profile中。

查看活跃的环境

conda info --envs

输出中带有【*】号的的就是当前所处的环境

查看当前环境中安装的包和版本

conda list

在当前环境中安装包

#安装 numpy 包
conda install numpy

#同时安装numpy和sklearn包
conda install numpy scikit-learn

#用pip直接安装3.16.7的labelme
pip install labelme==3.16.7

#从清华镜像源中安装1.13.2版本的tensorflow-gpu
pip3 install -i https://pypi.tuna.tsinghua.edu.cn/simple tensorflow-gpu==1.13.2

包全部安装完后可以用 conda list 查看所有包与版本，检验是否安装正确。

有时使用conda安装会报错，提示当前源中无此安装包或者使用conda安装时速度很慢，则可以用pip安装，指定镜像源为国内的源。

pip3默认使用python3安装，安装在python3的目录下，pip则使用python2安装，安装在python2的目录下。

tips:

1.有些包的名称要变换如

sklearn ==> scikit-learn
cv2     ==> opencv
skimage ==> scikit-image

2.使用 NVIDIA RTX3090 安装 pytorch 时

#3090只支持CUDA11.0及以上版本
Pip3 install torch==1.9.0+cu111 torchvision==0.10.0+cu111 torchaudio==0.9.0 -f https://download.pytorch.org/whl/torch_stable.html

在当前环境中删除包

#在当前环境中删除keras包
conda uninstall keras

退出环境

Windows: deactivate
Linux: source deactivate

删除环境

conda env remove -n my_env

若有任何问题，欢迎评论指正。

参考：conda创建新环境https://blog.csdn.net/SARACH_WONG/article/details/89328307