（1）Conda安装管理与部署

1.简介

Conda是一个流行的开源包管理和环境管理工具，可以快速安装、管理、运行、部署和更新Python软件包及其依赖项。Conda可以轻松地在本地计算机上创建、保存、加载和切换环境。它是为 Python 程序创建的，但它可以为任何语言打包和分发软件。它的主要优势在于跨平台性能强大（支持Windows、macOS和Linux）、易于使用的环境管理，以及支持多种编程语言和非Python软件包的管理。
Conda作为包管理器可帮助您查找和安装包。如果你需要一个需要不同版本Python的包，你不需要切换到不同的环境管理器，因为conda也是一个环境管理器。只需几个命令，您就可以设置一个完全独立的环境来运行不同版本的Python，同时继续在您的正常环境中运行您常用的Python版本。conda包和环境管理器包含在所有版本的Anaconda和Miniconda中。

2.Anaconda和Miniconda区别

Miniconda是一个最小的Conda发行版，只包含Conda和最基本的包管理功能。Anaconda是一个更大的发行版，包含了大量的数据科学工具和库，适用于数据科学和机器学习任务。通俗点来说，一个是全版本，一个是精简版本。
●Anaconda和Miniconda下载地址
Anaconda：https://www.anaconda.com/download#downloads
Miniconda：https://docs.conda.io/projects/miniconda/en/latest/
注：安装conda时候需要注意python版本能对应上。

3.创建虚拟环境

Conda可以区分不同环境安装部署包，各个环境互不干涉，我这边安装是Windows系统的Miniconda版本。
●打开Anaconda Prompt (miniconda3)终端
●创建一个python3.9版本的虚拟环境(ai_env)

conda create -n ai_env python=3.9

●激活虚拟环境

conda activate ai_env

●安装包
假设我们要安装是tensorflow cpu包（注意python与tensorflow包版本要对应上）：

pip install tensorflow==2.6.0

●安装包成功后可通过pip list检查虚拟环境tf2中的tensorflow包是否安装成功并进入python模式

python

●检测tensorflow是否导入成功，不出现报错即为导入成功

import tensorflow

此处可能会有如下报错依次出现，按照如下操作解决：
◎TypeError: Descriptors cannot not be created directly.If this call came from a _pb2.py file, your generated code is out of date and must be regenerated with protoc >= 3.19.0.（建议将protobuf安装调整至3.20前）
解决方案如下：

#退出python模式
exit()
#查看该环境中所有包
pip list
#卸载protobuf包
pip uninstall protobuf
#安装protobuf 3.19.0包
pip install protobuf==3.19.0
#检查3.19的protobuf是否安装成功
pip list

◎Could not load dynamic library 'cudart64_110.dll'; dlerror: cudart64_110.dll not found（缺少文件cudart64_110.dll）
解决方案如下：
在cudart网站（https://cn.dll-files.com/cudart64_110.dll.html）下载cudart文件（可能会出现弹窗，点关闭后即可下载）；下载后为一个压缩包，解压后将 cudart64_101.dll文件直接复制到 C:\Windows\System32 路径下。

◎from tensorflow.keras.preprocessing.text import Tokenizer（keras文本处理导入发生错误）：
cannot import name 'dtensor' from 'tensorflow.compat.v2.experimental'
解决方案（将keras版本降级跟tensorflow版本一致即可）：

#查看该环境中所有包
pip list
#卸载keras包
pip uninstall keras
#安装keras 2.6.0包，因为当前tensorflow是2.6.0
pip install keras==2.6.0
#检查keras2.6.0是否安装成功
pip list

注：后续各种包版本可以在requirements.txt定义好，再执行如下命令安装

pip install -r requirements.txt
{
numpy==1.19.5
}

假设requirements.txt放D盘根目录，可以这样执行命令：

pip install -r D:\requirements.txt

4.Conda常用命令

#查看conda环境
conda env list
#创建conda环境
conda create -n env_name python=3.7 -y 
#删除conda环境
conda remove -n env_name --all
#激活conda环境
conda activate env_name
#退出conda环境
conda deactivate
#克隆conda环境（将env_name2克隆至env_name1，并创建env_name1）
conda create -n env_name1 --clone env_name2
#查看已安装软件包列表
conda list -n env_name
#Conda导出环境配置
conda env export > environment.yml
#根据环境配置文件创建新的环境（如果需要改环境的名称，在.yml中第一行修改即可）
conda env update -f environment.yml

5.VSCode使用Conda虚拟环境开发

微软官网说明：https://code.visualstudio.com/docs/python/environments
●打开vscode，输入如下命令选择解释器
Ctrl+Shift+P
●在输入框选择Python: Create Environment
选择你之前在conda创建python版本的虚拟环境ai_env。

参考文献
微软官网：https://code.visualstudio.com/docs/python/environments