【Pytorch】(1)Pytorch环境安装-①创建虚拟环境

提示:文章写完后,目录可以自动生成,如何生成可参考右边的帮助文档

文章目录


前言


提示:以下是本篇文章正文内容,下面案例可供参考

一、Anaconda环境基础操作

1.1 启动Anaconda Prompt

复制代码
  在Windows搜索栏中输入"Anaconda Prompt"

  右键选择"以管理员身份运行"(需要管理员权限的操作)

  所有环境管理命令都在此终端中执行

二、虚拟环境管理全解析

2.1 查看所有环境

在进行任何环境操作前,先查看当前存在的环境:

复制代码
# 列出所有已创建的虚拟环境
复制代码
conda env list

输出示例:

复制代码
# conda environments:
#
base                  *  C:\Users\YourName\anaconda3
ml-env                  C:\Users\YourName\anaconda3\envs\ml-env
dl-project              C:\Users\YourName\anaconda3\envs\dl-project

2.2 创建虚拟环境

方法1:创建在默认位置(推荐)
复制代码
# 创建名为myenv的虚拟环境,使用Python 3.9
conda create -n myenv python=3.9
参数详解:

-n myenv:指定环境名称

python=3.9:指定Python版本(可替换为3.8、3.10等)
方法2:自定义安装路径
复制代码
# 创建在指定路径的虚拟环境
conda create --prefix=D:\Projects\envs\project-env python=3.9
参数详解:

--prefix=:指定环境的完整安装路径

D:\Projects\envs\project-env:自定义路径(路径中最好不要有空格)

两种方法对比

特性 默认位置 自定义路径
创建命令 conda create -n 环境名 conda create --prefix=路径\环境名
存储位置 Anaconda安装目录下的envs文件夹 任意指定位置
激活方式 conda activate 环境名 conda activate 路径\环境名
适用场景 个人开发、学习 团队共享、特定项目

2.3 激活虚拟环境

复制代码
# 激活默认位置的环境
conda activate myenv

# 激活自定义路径的环境
conda activate D:\Projects\envs\project-env

激活后,命令行提示符会显示当前环境名称:

复制代码
(myenv) C:\Users\YourName>

2.4 在环境中操作

激活环境后,可以进行以下操作:

复制代码
# 安装包
conda install numpy pandas matplotlib

# 安装特定版本的包
conda install tensorflow=2.8.0

# 使用pip安装(当conda仓库没有所需包时)
pip install opencv-python

# 导出环境配置(用于共享)
conda env export > environment.yml

# 根据配置文件创建环境
conda env create -f environment.yml

2.5 退出当前环境

复制代码
# 退出当前虚拟环境
conda deactivate

2.6 删除虚拟环境

复制代码
删除默认位置的环境:
conda remove -n myenv --all
删除自定义路径的环境:
conda remove --prefix=D:\Projects\envs\project-env --all

重要提示

  1. 删除操作不可逆,请确认后再执行

  2. 确保不在要删除的环境中执行此命令

  3. 删除前最好备份环境配置(使用conda env export

三、高级环境管理技巧

3.1 克隆环境

复制代码
创建现有环境的副本:

# 克隆环境
conda create --name new-env --clone old-env

# 克隆到不同位置
conda create --prefix=D:\new\path\new-env --clone old-env

3.2 更新环境

复制代码
# 更新环境中所有包
conda update --all

# 更新特定包
conda update numpy pandas

3.3 环境共享与迁移

  1. 导出环境配置:

    复制代码
    conda env export > environment.yml
  2. 共享environment.yml文件

  3. 在新机器上创建相同环境:

    复制代码
    conda env create -f environment.yml

3.4 环境清理

复制代码
# 清理未使用的包和缓存
conda clean --all

四、常见问题解决方案

4.1 环境激活失败

问题 :执行conda activate后环境未切换
解决

复制代码
# 初始化conda(首次使用)
conda init

# 重新打开Anaconda Prompt

4.2 环境创建缓慢

问题 :创建环境时卡在"Solving environment"
解决

复制代码
# 使用更小的包集合
conda create -n myenv python=3.9 --no-default-packages

# 添加国内镜像源(如清华源)
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --set show_channel_urls yes

4.3 环境冲突

问题 :安装包时出现冲突错误
解决

复制代码
# 创建新环境
conda create -n new-env python=3.9

# 在新环境中安装必要包
conda activate new-env
conda install 包名

4.4 环境位置错误

问题 :环境创建在错误位置
解决

复制代码
# 查看当前环境配置
conda config --show | grep envs_dirs

# 修改默认环境路径
conda config --add envs_dirs D:\new\envs\path

五、最佳实践建议

  1. 命名规范

    • 使用小写字母和连字符(如data-science

    • 包含项目名称或用途(如web-scraping

  2. 环境粒度

    • 为每个独立项目创建单独环境

    • 共享环境用于相似项目组

  3. 版本控制

    • 将environment.yml加入Git版本控制

    • 定期更新环境配置

  4. 资源优化

    • 定期清理不再使用的环境

    • 使用conda list查看安装的包

  5. 环境文档化

    复制代码
    # environment.yml示例
    name: data-analysis-env
    channels:
      - defaults
    dependencies:
      - python=3.9
      - numpy=1.21.5
      - pandas=1.4.0
      - matplotlib=3.5.1
      - scikit-learn=1.0.2
      - pip
      - pip:
          - seaborn==0.11.2
相关推荐
Python×CATIA工业智造16 分钟前
Frida RPC高级应用:动态模拟执行Android so文件实战指南
开发语言·python·pycharm
千宇宙航17 分钟前
闲庭信步使用SV搭建图像测试平台:第三十一课——基于神经网络的手写数字识别
图像处理·人工智能·深度学习·神经网络·计算机视觉·fpga开发
onceco1 小时前
领域LLM九讲——第5讲 为什么选择OpenManus而不是QwenAgent(附LLM免费api邀请码)
人工智能·python·深度学习·语言模型·自然语言处理·自动化
狐凄1 小时前
Python实例题:基于 Python 的简单聊天机器人
开发语言·python
悦悦子a啊2 小时前
Python之--基本知识
开发语言·前端·python
jndingxin4 小时前
OpenCV CUDA模块设备层-----高效地计算两个 uint 类型值的带权重平均值
人工智能·opencv·计算机视觉
Sweet锦4 小时前
零基础保姆级本地化部署文心大模型4.5开源系列
人工智能·语言模型·文心一言
笑稀了的野生俊4 小时前
在服务器中下载 HuggingFace 模型:终极指南
linux·服务器·python·bash·gpu算力
Naiva4 小时前
【小技巧】Python+PyCharm IDE 配置解释器出错,环境配置不完整或不兼容。(小智AI、MCP、聚合数据、实时新闻查询、NBA赛事查询)
ide·python·pycharm
hie988945 小时前
MATLAB锂离子电池伪二维(P2D)模型实现
人工智能·算法·matlab