在 Python 的编程过程中您可以会遇到如下场景：
- 我的电脑上安装了 Python3 但是刚刚接手的项目是 Python2 的，我该怎么办？需要重新安装 Python 吗？
- 对于深度学习项目，您如何配置不同的环境以匹配不同的框架（如 Pytorch，MXNet，TensorFlow）？
- 如何将已经配置好的环境迁移到其他电脑上，而无需重新配置环境？
- 如何直接在 Jupyter Notebook 中切换环境？
😢这么多问题？该怎么办？其实，这些问题，只要您安装 Anaconda3 即可迎刃而解！
关于软件的安装，按照图示提示即可。本文主要介绍如何解决上述问题。本文以主要着眼于 Windows10 系统，其他系统是类似的。
1 Anaconda 基础
- 查看
conda版本
Windows 用户请打开 “Anaconda Prompt”；macOS 和 Linux 用户请打开 “Terminal”（“终端”）进行操作。
conda --version
终端上将会以 conda 版本号 的形式显示当前安装 conda 的版本号，如：conda 4.8.2。
- 更新
conda至最新版本
conda update conda
执行命令后，conda 将会对版本进行比较并列出可以升级的版本。同时，也会告知用户其他相关包也会升级到相应版本。
- 查看
conda帮助信息
conda --help # 或者 conda -h
- 卸载
conda
① Linux 或 macOS
rm -rf ~/anaconda3
即删除Anaconda的安装目录。根据安装的Anaconda版本选择相应的卸载命令。
② Windows
控制面板 → 添加或删除程序 → 选择“Python X.X (Anaconda)” → 点击“删除程序”
注意：Python X.X：即 Python 的版本，如：Python 3.6。
2 使用命令行进行环境管理
如果您在安装 Anaconda 时将其添加到了电脑的环境变量，可以在命令行直接输入 activate 激活环境。否则，需要使用完整的路径激活环境比如：
C:\Users\xinet\anaconda3\Scripts\activate
该路径是您的 Anaconda3 所在目录，即：
图1 activate Python base 环境
运行该命令，终端便会多一个 base 的提示：
图2 在终端进入 base 环境
最好不要在 base 环境中安装或者配置一些包之类的，它是 Python 的基础环境，为了更好的管理 Python 环境，需要创建属于自己的环境。
2.1 创建新环境
conda create --name <env_name> <package_names>
也可以简写为 conda create -n <env_name> <package_names>。其中 <env_name> 与 <package_names> 分别表示创建的环境名以及环境中的包名。建议以英文命名，且不加空格，名称两边不加尖括号 <>。
- 如果要安装指定的版本号，则只需要在包名后面以
=和版本号的形式执行。如：conda create --name python2 python=2.7，即创建一个名为 “python2” 的环境，环境中安装版本为 2.7 的 python。 - 如果要在新创建的环境中创建多个包，则直接在
<package_names>后以空格隔开，添加多个包名即可。如：conda create -n python3 python=3.5 numpy pandas，即创建一个名为 “python3” 的环境，环境中安装版本为 3.5 的 Python，同时也安装了 numpy 和 pandas。
提示：默认情况下，新创建的环境将会被保存在 /Users/<user_name>/anaconda3/env 目录下，其中，<user_name> 为当前用户的用户名。
2.2 切换环境
需要注意本文介绍的激活方法仅仅适用于 conda 4.6 及其以上版本。
conda activate <env_name> # 切换环境
2.3 列出全部环境
列出全部环境可以是 conda env list 或者 conda info -e 或者 conda info --envs。结果中星号“*”所在行即为当前所在环境。macOS系统中默认创建的环境名为“base”。
图2 列出全部环境
2.4 复制环境
<copied_env_name> 即为被复制/克隆环境名。<new_env_name> 即为复制之后新环境的名称。
conda create --name <new_env_name> --clone <copied_env_name>
2.5 删除环境
conda remove --name <env_name> --all
其中 <env_name> 为被删除环境的名称。
2.6 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
3 使用命令行进行管理包
3.1 查找可供安装的包版本
- 精确查找
conda search --full-name <package_full_name>
--full-name 为精确查找的参数。<package_full_name>是被查找包的全名。
- 模糊查找
conda search <text>
其中 <text> 是查找含有此字段的包名。例如：conda search py 即查找含有 py 字段的包，有哪些版本可供安装。
3.2 获取当前环境中已安装的包信息
conda list
执行上述命令后将在终端显示当前环境已安装包的包名及其版本号。
3.3 安装包
- 在指定环境中安装包
conda install --name <env_name> <package_name>
<env_name> 即将包安装的指定环境名。<package_name> 即要安装的包名。例如：conda install --name python2 pandas 即在名为“python2”的环境中安装 pandas 包。
- 在当前环境中安装包
conda install <package_name>
- 使用 pip 安装包
✋使用场景：当使用 conda install 无法进行安装时，可以使用 pip 进行安装。例如：see 包。
pip install <package_name>
注意：pip 只是包管理器，无法对环境进行管理。因此如果想在指定环境中使用 pip 进行安装包，则需要先切换到指定环境中，再使用 pip 命令安装包。pip 无法更新 Python，因为 pip 并不将 python 视为包。pip 可以安装一些 conda 无法安装的包；conda 也可以安装一些 pip 无法安装的包。因此当使用一种命令无法安装包时，可以尝试用另一种命令。
- 从 http://Anaconda.org 安装包
✋使用场景：当使用 conda install 无法进行安装时，可以考虑从 http://Anaconda.org 中获取安装包的命令，并进行安装。
3.4 卸载包
- 卸载指定环境中的包
conda remove --name <env_name> <package_name>
<env_name> 即卸载包所在指定环境的名称。<package_name> 即要卸载包的名称
- 卸载当前环境中的包
conda remove <package_name>
3.5 更新包
- 更新所有包
conda update --all
建议：在安装 Anaconda 之后执行上述命令更新 Anaconda 中的所有包至最新版本，便于使用。
- 更新指定包
conda update <package_name>
<package_name> 为指定更新的包名。更新多个指定包，则包名以空格隔开，向后排列。如：conda update pandas numpy matplotlib 即更新 pandas、numpy、matplotlib 包。
4 设置清华镜像
参考：anaconda | 镜像站使用帮助 | 清华大学开源软件镜像站 ...
为了提高 pip 与 conda 安装软件包的速度，我们需要设置清华镜像。对于 pip，不同系统设置的方法是一样的，即：
$ pip install --upgrade pip -U # -U == --user
$ pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple
而对于 conda，在 Windows10 中这样设置：
$ 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
在 Ubuntu18.04 中设置 conda，需要借助 vscode 修改用户目录下的 .condarc，即 code ~/.condarc，然后添加如下内容：
channels:
- defaults
show_channel_urls: true
default_channels:
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r
custom_channels:
conda-forge: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
msys2: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
bioconda: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
menpo: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
pytorch: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
simpleitk: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
5 在 Jupyter Notebook 中切换环境
我们知道 Jupyter Notebook 是一个十分强大的工具，需要在 Jupyter Notebook 中切换环境，则需要配置 ipykernel，比如，创建一个 TensorFlow 的环境：
$ conda install ipykernel
$ python -m ipykernel install --user --name tensorflow --display-name "tensorflow"
效果如下：
图3 在 Jupyter Notebook 中切换环境
如果没有达到预期效果，可以继续安装 jupyter 即可：
$ pip install jupyter
更多精彩见 6 搭建一个友好的可塑性计算机视觉工具集。
网友评论