【youcans的深度学习 01】安装环境详解之 miniconda

youcans_已于 2023-04-02 11:45:38 修改871 收藏 10

分类专栏： # PyTorch 学习笔记 文章标签： 深度学习 python 人工智能 pytorch

版权

PyTorch 学习笔记专栏收录该内容

11 篇文章9 订阅

订阅专栏

欢迎关注『youcans的深度学习』系列，持续更新中…
【youcans的深度学习 01】安装环境之 miniconda
【youcans的深度学习 02】PyTorch CPU版本安装与环境配置
【youcans的深度学习 03】PyTorch CPU版本安装与环境配置
【youcans的深度学习 04】PyTorch入门教程：基础知识
【youcans的深度学习 05】PyTorch入门教程：快速入门

【youcans的深度学习 01】 安装环境详解之 miniconda

• • 1. conda/Anaconda/miniconda
  • • 1.1 conda
    • 1.2 Anaconda——推荐小白使用
    • 1.3 miniconda——推荐深度学习使用
  • 2. miniconda安装
  • • 2.1 卸载 Anaconda
    • 2.2 下载miniconda 安装包
    • 2.3 安装miniconda 安装包
    • 2.4 环境配置
    • 2.5 测试
    • 2.6 更换国内镜像源
  • 3. miniconda的使用
  • • 3.1 环境管理
    • • 3.1.1 创建环境
      • 3.1.2 查看环境列表
      • 3.1.3 激活环境
      • 3.1.4 切换环境
      • 3.1.5 退出当前环境
      • 3.1.6 删除环境
    • 3.2 包管理
    • • 3.2.1 查询已安装的包
      • 3.2.2 conda install 安装包名(=版本)
      • 3.2.3 pip install 安装包名(=版本)
    • 3.3 其它命令
    • • 输出配置信息
      • 升级conda
      • 查看版本信息
      • 查看帮助信息
  • 4 PyCharm环境设置
  • • 4.1 查看 Python 环境
    • 4.2 PyCharm 环境设置
    • 4.2.1 创建新项目的环境设置
    • 4.2.2 已有项目的环境设置

1. conda/Anaconda/miniconda

• conda可以理解为一个工具，也是一个可执行命令，其核心功能是包管理与环境管理。包管理与pip的使用类似，环境管理则允许用户方便地隔离和管理不同python版本的环境。
• Anaconda和miniconda都是conda的一种发行版。只是包含的包不同。
• Anaconda包含了conda、python等180多个科学计算工具包及其依赖项，也称为Python的一种发行版。
• miniconda是最小的conda安装环境，只包含最基本的内容——python与conda，以及相关的必须依赖项。所有的操作命令皆在命令行中完成，没有GUI界面。

1.1 conda

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。
conda将几乎所有的工具、第三方包都当做package对待，甚至包括python和conda自身。因此，conda打破了包管理与环境管理的约束，能非常方便地安装各种版本python、各种package并方便地切换。

1.2 Anaconda——推荐小白使用

Anaconda是一个免费开源的Python和R语言的发行版本，用于计算科学（数据科学、机器学习、大数据处理和预测分析）。

Anaconda致力于简化包管理和部署，支持 Linux, Mac, Windows系统，拥有超过1400个数据科学软件包。

Anaconda包含Conda和虚拟环境管理，提供了包管理与环境管理的功能，可以很方便地解决多版本python并存、切换以及各种第三方包安装问题。

Anaconda使用软件包管理系统Conda进行管理，利用工具/命令conda来进行package和environment的管理，并且已经包含了Python和相关的配套工具。可以使用已经包含在Anaconda中的命令conda install或者pip install从Anaconda仓库中安装开源软件包。Pip提供了Conda大部分功能，并且大多数情况下两个可以同时使用。

Anaconda安装包的下载地址：Anaconda | Anaconda Distribution
Anaconda官方安装教程：Installation — Anaconda documentation

1.3 miniconda——推荐深度学习使用

miniconda是conda的精简版安装程序。所占内存较小，所有的操作命令皆在命令行中完成，没有GUI界面。

miniconda是Anaconda的小型引导程序版本，仅包含conda，python，它们依赖的软件包以及少量其他有用的软件包，包括pip，zlib和其他一些软件包。使用conda install command可以从Anaconda存储库中安装720+个其他conda软件包。

推荐深度学习使用miniconda搭建Python环境，它提供了python与conda，可以创建相对独立的Python环境，避免与其它库的冲突。

2. miniconda安装

2.1 卸载 Anaconda

如果已经安装了Anaconda，请先卸载Anaconda。

2.2 下载miniconda 安装包

从miniconda官网下载miniconda安装包：miniconda 官网下载

注意根据使用的系统、Python版本选择适当的安装包：

2.3 安装miniconda 安装包

下载完成后，打开安装包，安装miniconda。推荐以管理员身份运行。

注意：建议修改安装目录，以便管理。

2.4 环境配置

鼠标右键点击：电脑 -> 属性 -> 高级系统设置 -> 环境变量，新建或编辑系统变量，添加以下三个路径：

• 安装路径\Miniconda3（例如 C:\Python\miniconda3）；
• 安装路径\Miniconda3\Scripts（例如 C:\Python\miniconda3\Scripts）；
• 安装路径\Miniconda3\Library\bin（例如 C:\Python\miniconda3\Library\bin）。

2.5 测试

通过控制台命令 cmd 或 Anaconda Prompt (miniconda)进入命令行操作。

• 输入：conda -V 后回车：

• 输入：conda init cmd.exe

2.6 更换国内镜像源

为了加快第三方库的下载速度，可以将源指向国内的镜像源，例如使用 清华大学开源软件镜像站 | Tsinghua Open Source Mirror 。

根据清华开源软件镜像站关于Anaconda镜像使用帮助的提示，在用户目录下新建 .condarc 文件。

编辑创建 .condarc 文件如下，保存到"C:\Users\×××"路径下（×××表示登录的用户名）：

channels:
  - defaults
show_channel_urls: true
default_channels:
  - https://mirrors.tuna./anaconda/pkgs/main
  - https://mirrors.tuna./anaconda/pkgs/r
  - https://mirrors.tuna./anaconda/pkgs/msys2
custom_channels:
  conda-forge: https://mirrors.tuna./anaconda/cloud
  msys2: https://mirrors.tuna./anaconda/cloud
  bioconda: https://mirrors.tuna./anaconda/cloud
  menpo: https://mirrors.tuna./anaconda/cloud
  pytorch: https://mirrors.tuna./anaconda/cloud
  pytorch-lts: https://mirrors.tuna./anaconda/cloud
  simpleitk: https://mirrors.tuna./anaconda/cloud
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15

3. miniconda的使用

3.1 环境管理

3.1.1 创建环境

conda 安装后会自带一个 base 环境，其它虚拟 Python 环境则需要手动创建。

语法：

conda create -n [环境名称] python[=版本]

用例：创建名称为 py38 的 Python 环境，Python 版本为3.8

conda create -n py38 python=3.8

遇到Proceed([y]/n)时，直接回车。

创建成功。

3.1.2 查看环境列表

conda env list

3.1.3 激活环境

conda activate [环境名称]

用例：创建名称为 py38 的 Python 环境，Python 版本为3.8

conda activate py38

注意，图中"C:\Users\…"之前的环境名称已经由默认的 <base>变成了距离的用户环境<py38>。

3.1.4 切换环境

conda [环境名称]

3.1.5 退出当前环境

conda deactivate

3.1.6 删除环境

conda env remove -n [环境名称]

3.2 包管理

3.2.1 查询已安装的包

conda list

3.2.2 conda install 安装包名(=版本)

conda install numpy

conda install -y pandas

conda install -y matplotlib & conda install -y scipy & conda install -y xlrd

3.2.3 pip install 安装包名(=版本)

pip3 install scikit-learn -i https://mirrors.tuna./

有些第三方包在清华镜像源找不到，或者下载错误，可以更换为中科大镜像源或其它镜像源。

pip3 install scikit-learn -i https://pypi.mirrors.ustc.edu.cn/simple/
pip3 install opencv-python -i https://pypi.mirrors.ustc.edu.cn/simple/

常用的国内镜像源：

清华源镜像 https://mirrors.tuna./
中科大源 http://mirrors.ustc.edu.cn/
阿里源 https://developer.aliyun.com/mirror/
腾讯源 https://mirrors.cloud.tencent.com/
豆瓣 Python PyPI 镜像 http://pypi./simple/

3.3 其它命令

输出配置信息

conda config --show

升级conda

conda update conda

查看版本信息

conda -V

查看帮助信息

conda -h

4 PyCharm环境设置

4.1 查看 Python 环境

conda 安装后会自带一个 base 环境，其它虚拟 Python 环境则需要按照 3.1 节方法手动创建。例如，已经创建了名为 py38 的Python环境：

conda list

于是，我们已经创建了一个名为 py38 的Python环境并激活（激活环境的路径前有一个星号*）。

4.2 PyCharm 环境设置

4.2.1 创建新项目的环境设置

• 打开PyCharm，创建新的项目。

• 在 Location 选择适当的项目路径

• 在 Python Interpreter 选择 Previously configured interpreter，选项框中自动找到 Python3.8(py38)。

• 如果没有自动找到，则可以通过路径选择添加Python解释器Add Python Interpreter，找到所经历的 py38 环境的Python解释器。如下图所示：

如果在该窗口选择 Create a main.py welcom script，则在创建项目的同时新建了一个 main.py 文件。

运行这个 main.py 文件，在 PyCharm 下方就会出现运行结果：

4.2.2 已有项目的环境设置

• 打开 PyCharm，打开一个已经建立的项目；
• 在 PyCharm 上方菜单选择：File–Settings；
• 弹出 Settings 窗口，从左侧菜单选择：Project–Python Interpreter，从右上方的选项框Python Interpreter选择 Python3.8(py38)环境。当然也可以选择创建的其它 Python 环境。
• 打开并运行 python 程序，得到运行结果。

如果提示缺少导入的包，可以按照 3.2 的方法安装相应的包。

【本节完】