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