pycharm使用anaconda部署python环境

布满荆棘的人生 2022-05-11 01:04 266阅读 0赞

借鉴：[https://blog.csdn.net/ITLearnHall/article/details/81708148][https_blog.csdn.net_ITLearnHall_article_details_81708148]  
[https://blog.csdn.net/qq\_29883591/article/details/78077244][https_blog.csdn.net_qq_29883591_article_details_78077244]

最近学习TensorFlow，需要安装其环境。由于TensorFlow需要的依赖环境较多，逐个安装费时费力，而且容易出错。在网上搜索发现了Anaconda的安装方式，经过实践发现安装过程非常简单、方便，特在此记录一下(๑╹◡╹)ﾉ”“”

Anacond的介绍 Anaconda指的是一个开源的Python发行版本，其包含了conda、Python等180多个科学包及其依赖项。 因为包含了大量的科学包，Anaconda 的下载文件比较大（约 531 MB），如果只需要某些包，或者需要节省带宽或存储空间，也可以使用Miniconda这个较小的发行版（仅包含conda和 Python）。

Conda是一个开源的包、环境管理器，可以用于在同一个机器上安装不同版本的软件包及其依赖，并能够在不同的环境之间切换

Anaconda包括Conda、Python以及一大堆安装好的工具包，比如：numpy、pandas等

Miniconda包括Conda、Python

## **安装Anaconda5.0.0** ##

进入Anaconda的[官网][Link 1]，点击下载`Python3.6`的版本。注意不要下错了，一个是python2的，还有一个是python3的，根据自己的安装的python下载。下载完毕后点击安装即可。安装的目录可以不按照默认自己进行选择，其中有一点需要注意的地方，到某一步之后会有两个打钩的地方：  
![20170320154332280.jpg][]

> 图片来源于网络，版本不是5.0.0的，不过这两个选项是一样的，这里作为演示。

在5.0.0的版本，默认是勾选第二项的，但第一项会提示你不要选。第一项是让你选择是否添加到环境变量。本文在安装的时候没有勾选。如果之后有需要的话，可以在系统环境变量里面的`path`中添加Anaconda的安装目录（安装目录是在安装的时候选择的目录）。如果是windows的话需要去 控制面板\\系统和安全\\系统\\高级系统设置\\环境变量\\用户变量\\PATH 中添加 anaconda的安装目录的Scripts文件夹, 比如我的路径是C:\\Anaconda3\\Scripts, 看个人安装路径不同需要自己调整.

之后就打开命令行看是否安装正确。输入 conda --version  
![在这里插入图片描述][70]

如图所示就是成功。  
为了避免可能发生的错误, 我们在命令行输入conda upgrade --all 先把所有工具包进行升级

**管理虚拟环境**

接下来我们就可以用anaconda来创建我们一个个独立的python环境了.接下来的例子都是在命令行操作的,请打开你的命令行吧.

activate  
activate 能将我们引入anaconda设定的虚拟环境中, 如果你后面什么参数都不加那么会进入anaconda自带的base环境,

你可以输入python试试, 这样会进入base环境的python解释器, 如果你把原来环境中的python环境去除掉会更能体会到, 这个时候在命令行中使用的已经不是你原来的python而是base环境下的python.而命令行前面也会多一个(base) 说明当前我们处于的是base环境下。

当然创建自己的虚拟环境了，我们应该为自己的程序安装单独的虚拟环境.创建一个名称为learn的虚拟环境并指定python版本为3  
在cmd中输入 conda create -n learn python=3

**切换环境** ：activate learn(创建的环境名）  
也可以用 conda env list 来查看我们有哪些环境。

然后在一个新的环境下，肯定是要安装许许多多的包的，那个就只需要 **conda install 包名** 就行了。  
卸载就是**conda remove 包名**了

**查看环境包信息：** 查看安装了哪些包， conda list

**导入导出环境**

如果想要导出当前环境的包信息可以用  
conda env export > environment.yaml  
将包信息存入yaml文件中.  
当需要重新创建一个相同的虚拟环境时可以用  
conda env create -f environment.yaml  
其实命令很简单对不对, 我把一些常用的在下面给出来, 相信自己多打两次就能记住  
activate // 切换到base环境  
activate learn // 切换到learn环境  
conda create -n learn python=3 // 创建一个名为learn的环境并指定python版本为3(的最新版本)  
conda env list // 列出conda管理的所有环境  
conda list // 列出当前环境的所有包  
conda install requests 安装requests包  
conda remove requests 卸载requets包  
conda remove -n learn --all // 删除learn环境及下属所有包  
conda update requests 更新requests包  
conda env export > environment.yaml // 导出当前环境的包信息  
conda env create -f environment.yaml // 用配置文件创建新的虚拟环境

在我们放anaconda 的文件夹里面，会找到envs文件夹，这里存放着我们用anaconda 创的环境。如图所示  
![在这里插入图片描述][70 1]

然后发现这不就是一个标准的python环境目录吗?

这么一看, anaconda所谓的创建虚拟环境其实就是安装了一个真实的python环境, 只不过我们可以通过activate,conda等命令去随意的切换我们当前的python环境, 用不同版本的解释器和不同的包环境去运行python脚本.

**pycharm中使用anaconda部署python环境**  
打开我们的pycharm编译器  
在Setting => Project => Project Interpreter 里面修改 Project Interpreter , 点击齿轮标志再点击Add Local，点击conda environment ,然后点击Existing environment ,把你某个环境的python.exe解释器的路径填入就行了，如图所示：  
![在这里插入图片描述][70 2]

[https_blog.csdn.net_ITLearnHall_article_details_81708148]: https://blog.csdn.net/ITLearnHall/article/details/81708148
[https_blog.csdn.net_qq_29883591_article_details_78077244]: https://blog.csdn.net/qq_29883591/article/details/78077244
[Link 1]: https://www.anaconda.com/download/
[20170320154332280.jpg]: http://oosvhkqtj.bkt.clouddn.com/20170320154332280.jpg
[70]: /images/20220511/08853ecd503e443ca9454efbc13003a1.png
[70 1]: /images/20220511/d9b8a3b3ba1443758f1d1e145547d802.png
[70 2]: /images/20220511/9a95c23a58e347a8b265115f61b5a863.png