Anaconda配置新环境

我们在使用Python时,有时需要多个Python环境,有的使用Python2,而有的要使用Python3,这时就要安装多个Python,管理起来很不方便。Anaconda的作用在此刻就显现出来了,它可以创建多个Python环境,统一管理,互不干扰,不管是创建,克隆还是删除某个环境,都很方便。以下以安装Tensorflow为例进行Anaconda配置新环境的介绍。

使用Conda命令进行配置

创建新环境

  • 打开Anaconda Prompt,执行以下命令
conda create -n tensorflow python=3.8.5
  • tensorflow 是创建的新环境名称,可以任意取
  • -n 也可以写为 --name
  • python=3.8.5 是新环境安装的python版本号,不加则默认为Anaconda的python版本

激活新环境

conda activate tensorflow
  • 命令行窗口由 (base) C:\Users 变为 (tensorflow) C:\Users 时,说明已经进入新环境

配置新环境

  • 在当前环境下,输入命令安装Tensorflow
conda install tensorflow
  • 等待安装完成即可

退出新环境

conda deactivate
  • 命令行窗口由 (tensorflow) C:\Users 变为 (base) C:\Users 时,说明已经退出新环境,回到 base 环境

检查所有环境

  • 在任意环境下输入以下命令
conda info -e
  • 或者
conda env list
  • 执行此命令后,显示以下结果
# conda environments:
#
base                  *  E:\ProgramData\Anaconda3
tensorflow               E:\ProgramData\Anaconda3\envs\tensorflow
  • * 号表示目前所处的环境位置

检查所有安装的包

conda list
  • 以下显示即为已经安装的包
# packages in environment at E:\ProgramData\Anaconda3:
#
# Name                    Version                   Build  Channel
_ipyw_jlab_nb_ext_conf    0.1.0                    py38_0
alabaster                 0.7.12                     py_0
anaconda                  2020.11                  py38_0
anaconda-client           1.7.2                    py38_0
...

删除某环境

conda remove -n tensorflow --all
  • tensorflow 为移除的环境名

重命名某环境

  • conda 其实没有重命名指令,实现重命名是通过克隆完成的,分两步:
    1、先克隆一份旧环境,克隆过程中重新命名
    2、删除旧环境
# 第一步:
conda create -n pytorch --clone tensorflow
# 第二步:
conda remove -n tensorflow --all
  • --clone 后面为旧环境的名字
  • -n 后面为新的名字

使用Anaconda Navigator进行配置

Anaconda Navigator基本操作

  • 打开Anaconda Navigator之后,按如下步骤操作:
  • 选择环境选项
  • 点击创建新环境
  • 新环境的命名
  • 选择新环境的Python版本号
  • 最后点击创建新环境

Anaconda Navigator环境面板介绍


Anaconda Navigator其他操作

  • 安装Python包时要使用 conda 命令或者 pip 命令
  • base 为基础环境,Anaconda安装完成后自动产生
  • 其他配置好的环境位置:E:\ProgramData\Anaconda3\envs (以我自己的安装位置为例)

总结

Anaconda是个非常强大的数据科学的Python包库,同时也是个非常方便的Python包管理器和环境管理器,对于刚接触Python的初学者和利用Python进行数据科学研究的人来说,都极为友好。利用Anaconda Navigator进行环境管理虽然方便,但是如果想要对命令行等操作有更深入的了解和熟悉,并且提升一下自己的编程思维,还是推荐使用命令行操作管理环境。


相关链接

欢迎访问我的个人博客网站,网站地址:Just Where

你可能感兴趣的:(Python,python,anaconda)