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：
  1. D:\DeveloperTools\Miniconda3\Library\bin
  2. D:\DeveloperTools\Miniconda3\Scripts
  3. D:\DeveloperTools\Miniconda3

  复制代码
• 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）
  1. conda config --show channels

  复制代码
  
  
  • 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）
  1. conda config --add channels  https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
  2. conda config --add channels  https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/

  复制代码
  
  
  • 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）
    1. 清华大学镜像源
    2. https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
    3. https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
    4. https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/bioconda/
    5. 阿里镜像源
    6. http://mirrors.aliyun.com/pypi/simple/
    7. http://mirrors.aliyun.com/anaconda/pkgs/main
    8. http://mirrors.aliyun.com/anaconda/pkgs/free
    9. https://mirrors.aliyun.com/anaconda/pkgs/main/
    10. https://mirrors.aliyun.com/anaconda/cloud/conda-forge/
    11. https://mirrors.aliyun.com/anaconda/cloud/bioconda/
    12. 豆瓣镜像源
    13. http://pypi.douban.com/simple/
    14. Python官方
    15. https://pypi.python.org/simple/

    复制代码
  
  
• 删除已添加的指定镜像源，例如：
  1. conda config --remove channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/

  复制代码
• 恢复为默认的镜像源（即从官网下载包）
  1. conda config --remove-key channels

  复制代码
• 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
  1. conda config --set show_channel_urls yes

  复制代码
• 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
  1. conda info

  复制代码

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
  1. conda config --set show_channel_urls yes

  复制代码
  
  
  

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
  1. channels:
  2.   - defaults
  3. show_channel_urls: true
  4. channel_alias: http://mirrors.tuna.tsinghua.edu.cn/anaconda
  5. default_channels:
  6.   - http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
  7.   - http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free
  8.   - http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r
  9.   - http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/pro
  10.   - http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2
  11. custom_channels:
  12.   conda-forge: http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  13.   msys2: http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  14.   bioconda: http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  15.   menpo: http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  16.   pytorch: http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  17.   simpleitk: http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud

  复制代码

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：
  1. conda install opencv -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/

  复制代码

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。
  1. conda创建虚拟环境的默认路径为 C:\Users\your_username\.conda\envs\
  2. conda安装包的默认路径为 C:\Users\your_username\.conda\pkgs\
  3. 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

  复制代码
• 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
    
  1. conda config --add envs_dirs D:\DeveloperTools\Miniconda3\envs
  2. conda config --add pkgs_dirs D:\DeveloperTools\Miniconda3\pkgs

  复制代码
• 在Anaconda Prompt 或 cmd 中执行下列语句，查看是否配置成功
  1. conda info  #在 envs directories 一栏看到自己设置的虚拟环境路径
  2. # 或
  3. 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

  复制代码

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
  1. envs_dirs:
  2.   - D:\DeveloperTools\Miniconda3\envs
  3.   - D:\DeveloperTools\Miniconda3\pkgs

  复制代码
  
  
• 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
  1. conda env list  （或conda info --envs，简写：conda info -e）
  2. # 说明：结果中星号"*"所在行即为当前所在环境

  复制代码
  
  
• 创建新的虚拟环境
  1. # conda create --name your_env_name python版本
  2. 例如：
  3. conda create --name PyTorch python=3.8
  4. # 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）
  6. # 在指定文件路径创建
  7. conda create --prefix=C:/ProgramData/Anaconda3/envs/pytorch python=3.8

  复制代码
  
  
  • 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
  1. # conda activate 虚拟环境名称
  2. conda activate PyTorch  # 激活名称为 PyTorch 的虚拟环境

  复制代码
• 退出/关闭指定的某个虚拟环境
  1. conda deactivate

  复制代码
• 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
    
  1. # conda env remove --name your_env_name
  2. conda env remove --name PyTorch
  3. # 或
  4. # conda remove --name your_env_name --all
  5. conda remove --name PyTorch --all

  复制代码
• 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
    
  1. # conda create --name new_env_name --clone old_env_name
  2. conda create --name Tensorflow --clone PyTorch
  3. # 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

  复制代码

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
  1. conda --version    #查看系统安装的conda版本
  2. conda list         # 查看当前环境下已安装的包
  3. conda list --name your_env_name    #查看某个指定环境的已安装包
  4. conda search 库名    #查找package信息
  5. conda search 库名 -info   #查看某一个模块的信息，没有该模块则无

  复制代码
• 安装包
  1. conda install package_name     #在当前环境中安装包
  2. conda install package_name=version    #在当前环境中安装指定版本号的包
  3. # 当使用 conda install 无法进行安装时，可以使用 pip 进行安装
  4. # 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

  复制代码
• 更新包
  1. conda update package_name      #更新当前环境中的指定包
  3. # 更新多个指定包，则包名以空格隔开，向后排列。例如：
  4. conda update pandas numpy matplotlib    #即更新pandas、numpy、matplotlib包
  6. conda update --all  #更新当前虚拟环境中所有的包
  8. # 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
  9. conda update conda       #更新conda，保持conda最新
  10. conda update anaconda    #更新anaconda
  11. 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

  复制代码
• 卸载包
  1. conda remove package_name     #卸载当前虚拟环境中的指定包

  复制代码

<blockquote>
到底了
免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！