Python基础—conda使用笔记
Python基础—conda使用笔记1. 环境配置
[*]由于用conda管理虚拟环境真滴很方便，所以主要使用conda，就不单独去装Python了。
1.1. Miniconda3安装
[*]Miniconda3官网下载地址：Miniconda
[*]Miniconda3清华镜像下载：清华镜像-Miniconda
[*]对于Windows系统：Miniconda安装跟正常的软件安装是一样的，这里不做过多描述。
[*]当然，可以参考博客，写得很详细：python与anaconda安装（先安装了python后安装anaconda，基于python已存在的基础上安装anaconda）——逼死强迫症、超详解
1.2. 配置环境变量
[*]在系统变量—Path中添加Miniconda的相关路径
[*]这里我的Miniconda的安装路径是：D:\DeveloperTools\Miniconda3，所以在Path中添加如下：D:\DeveloperTools\Miniconda3\Library\bin
D:\DeveloperTools\Miniconda3\Scripts
D:\DeveloperTools\Miniconda3
[*]环境变量配置了，就可以在任意位置下使用conda了
1.3. 设置国内镜像源
1.3.1. 方法一：命令行方式
[*]查看anaconda中已经存在的镜像源（channels：通道、渠道、途径）
conda config --show channels
[*]如果没有设置过镜像源，则show channels结果显示：defaults（conda默认的通道，即从官网下载包）
[*]添加国内镜像源，这里以清华镜像源为例（永久添加，可删除）
conda config --add channelshttps://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channelshttps://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
[*]值得注意的是：上面设置的两个源的资源路径为：/anaconda/paks/free 和/anaconda/pkgs/main这就限制了只能在这资源路径之下查找我们需要的包。
[*]如果后面需要用到深度学习，TensorFlow、YOLO，PyTorch等，包的来源可能不再自己设置的两个资源路径之下，所以可能找不到。
[*]所以，建议直接多设置几个源，国内常用的镜像源（注：可能镜像源地址有变化，注意甄别）清华大学镜像源
https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/bioconda/
阿里镜像源
http://mirrors.aliyun.com/pypi/simple/
http://mirrors.aliyun.com/anaconda/pkgs/main
http://mirrors.aliyun.com/anaconda/pkgs/free
https://mirrors.aliyun.com/anaconda/pkgs/main/
https://mirrors.aliyun.com/anaconda/cloud/conda-forge/
https://mirrors.aliyun.com/anaconda/cloud/bioconda/
豆瓣镜像源
http://pypi.douban.com/simple/
Python官方
https://pypi.python.org/simple/
[*]删除已添加的指定镜像源，例如：
conda config --remove channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
[*]恢复为默认的镜像源（即从官网下载包）
conda config --remove-key channels
[*]设置搜索时显示通道地址，如果 C:\Users(用户)\username\路径下没有.condarc文件，则需要在cmd命令行执行如下命令
conda config --set show_channel_urls yes
[*]查看到Anaconda/Miniconda的所有信息，在channel URLs一栏，可以看到添加的镜像网站
conda info
1.3.2. 方法二：修改 .condarc 文件
[*]在C:\Users(用户)\username\路径下的.condarc文件，记录着我们对conda的配置，直接手动创建、编辑该文件是相同的效果。
[*]如果C:\Users(用户)\username\路径下没有.condarc文件，则需要在cmd命令行执行如下命令conda config --set show_channel_urls yes
1.3.3. 补充
[*]后续在Pycharm中使用conda创建一个新环境时，发现上面的源设置有点问题，使用Pycharm总是无法创建，但在conda命令行中创建又可以。
[*]解决，参考文章：https://www.jianshu.com/p/b1e4f33f975a
[*]这里直接给出相关的设置，复制粘贴到.condarc文件中即可channels:
- defaults
show_channel_urls: true
channel_alias: http://mirrors.tuna.tsinghua.edu.cn/anaconda
default_channels:
- http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
- http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free
- http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r
- http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/pro
- 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
1.3.4. 设置临时镜像源
[*]有时也可能只需要临时使用某个镜像源下载某个模块，则可以临时指定下载的镜像源
[*]直接指定安装模块时使用的镜像源地址，以opencv为例：conda install opencv -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
2. conda使用
[*]使用前，可以了解什么是虚拟环境？以及如何配置虚拟环境？
[*]可参考文章：什么是虚拟环境？以及如何配置虚拟环境
2.1. 自定义conda创建虚拟环境的默认路径
[*]由于使用conda创建的虚拟环境，默认是保存在C盘下的，随着后面虚拟环境创建的越多，下载的包越多，则占用的空间越大，所以修改conda创建虚拟环境的默认路径到其他盘。conda创建虚拟环境的默认路径为 C:\Users\your_username\.conda\envs\
conda安装包的默认路径为 C:\Users\your_username\.conda\pkgs\
若不想占用C盘空间，需要修改 conda 虚拟环境的默认路径 和 安装包的默认路径
[*]当然如果你的空间足够大，也可以不用设置。
[*]参考文章：修改conda默认envs_dirs和pkgs_dirs
2.1.1. 方法一：命令行方式
[*]在Anaconda Prompt 或 cmd 中执行如下命令
[*]注：路径改为你自己想要保存conda虚拟环境的路径
conda config --add envs_dirs D:\DeveloperTools\Miniconda3\envs
conda config --add pkgs_dirs D:\DeveloperTools\Miniconda3\pkgs
[*]在Anaconda Prompt 或 cmd 中执行下列语句，查看是否配置成功conda info#在 envs directories 一栏看到自己设置的虚拟环境路径
# 或
conda config --show #在 envs_dirs 和 pkgs_dirs 栏都可以看到自己设置的虚拟环境路径
2.1.2. 方法二：修改.condarc 文件
[*]在C:\Users(用户)\username\路径下的.condarc文件中添加需要存放conda虚拟环境的路径
envs_dirs:
- D:\DeveloperTools\Miniconda3\envs
- D:\DeveloperTools\Miniconda3\pkgs
[*]按照方法一中的命令，可查看是否配置成功。
2.1.3. 补充：对于 Windows设置未生效的情况
[*]对于 Windows11或其他Windows版本，有时候即使conda info查看添加的虚拟环境路径已存在，但是当添加一个新的虚拟环境时，还是下载到了默认的C盘的路径下。
[*]解决办法：修改自己用于保存conda虚拟环境的文件夹的权限，以及设置的envs和pkgs文件夹的权限为：完全控制
[*]envs和pkgs文件夹同理，权限也需要设置为：完全控制
2.2. conda命令对python虚拟环境管理
[*]查看conda配置的所有虚拟环境，终端中，左边显示的(base)表示安装conda时自带的基础环境
conda env list（或conda info --envs，简写：conda info -e）
# 说明：结果中星号"*"所在行即为当前所在环境
[*]创建新的虚拟环境
# conda create --name your_env_name python版本
例如：
conda create --name PyTorch python=3.8
# 安装一个名为PyTorch的Python虚拟环境，Python版本是3.8（不用管是3.8.x，conda会为我们自动寻找3.8.x中的最新版本）
# 在指定文件路径创建
conda create --prefix=C:/ProgramData/Anaconda3/envs/pytorch python=3.8
[*]如果创建虚拟环境时没有指定Python的版本，那么默认会安装与Anaconda / Miniconda版本相同的Python版本，即如果安装Anaconda第2版，则会自动安装Python2.x；如果安装Anaconda第3版，则会自动安装Python3.x
[*]使用指定的某个虚拟环境
# conda activate 虚拟环境名称
conda activate PyTorch# 激活名称为 PyTorch 的虚拟环境
[*]退出/关闭指定的某个虚拟环境
conda deactivate
[*]删除指定的某个虚拟环境
[*]注：不要在所处的当前环境内，删除当前环境！否则可能会出现异常
# conda env remove --name your_env_name
conda env remove --name PyTorch
# 或
# conda remove --name your_env_name --all
conda remove --name PyTorch --all
[*]克隆（复制）一份已有的虚拟环境
[*]因为本来没有给虚拟环境重命名的，所以理论上可以用克隆（复制）后再删除原来的环境的方式实现重命名
[*]但不建议这样来重命名，因为修改后会有一些路径上的BUG
# conda create --name new_env_name --clone old_env_name
conda create --name Tensorflow --clone PyTorch
# 复制名为 PyTorch 的虚拟环境 以此用于创建一个新的名为 Tensorflow 的虚拟环境
2.3. conda常用命令
[*]注：在不同的虚拟环境中，查询包、安装包、更新包、卸载包都是独立的。
[*]查看包conda --version #查看系统安装的conda版本
conda list # 查看当前环境下已安装的包
conda list --name your_env_name #查看某个指定环境的已安装包
conda search 库名 #查找package信息
conda search 库名 -info #查看某一个模块的信息，没有该模块则无
[*]安装包conda install package_name #在当前环境中安装包
conda install package_name=version #在当前环境中安装指定版本号的包
# 当使用 conda install 无法进行安装时，可以使用 pip 进行安装
# 对于 .whl 文件，conda命令似乎不能正确安装，还是要用pip命令才行
[*]更新包conda update package_name #更新当前环境中的指定包
# 更新多个指定包，则包名以空格隔开，向后排列。例如：
conda update pandas numpy matplotlib #即更新pandas、numpy、matplotlib包
conda update --all#更新当前虚拟环境中所有的包
# conda将conda、python等都视为package，因此，完全可以使用conda来管理conda和python的版本
conda update conda #更新conda，保持conda最新
conda update anaconda #更新anaconda
conda update python #更新当前虚拟环境下的Python版本，假设当前环境是python 3.8.10，运行后，conda会将python升级为3.8.x系列的当前最新版本
[*]卸载包conda remove package_name #卸载当前虚拟环境中的指定包
<blockquote>
到底了
来源:https://www.cnblogs.com/jhy-ColdMoon/p/17343352.html
免责声明：由于采集信息均来自互联网，如果侵犯了您的权益，请联系我们【E-Mail:cb@itdo.tech】 我们会及时删除侵权内容，谢谢合作！
页:
[1]