python虚拟环境和conda环境_用conda创建python虚拟环境

之前，我整理了一篇关于pip创建虚拟环境的博文：《pip建立虚拟环境》

当然，学会pip建立虚拟环境和conda建立虚拟环境的效果都是一样。所以掌握其一就行了，或者根据实际情况使用其中的一种。

首先要明白为什么要创建虚拟环境

我们经常需要复现别人的工程，不过每个开发者所使用的开发环境不尽相同，有的使用python2，有的使用python3，有的使用tf，有的又使用pytorch等等。那我们是否需要把所有的模块都装好呢？

答案是可以的，不过你无法安装多个版本的tf，如果你需要复现的工程是基于tensorflow 1.4.0的，而你自己的版本是1.9.0，是否要降版本来营造和人家一样的环境呢？是否每次都要通过换自己本地的版本以达到工程的兼容性呢？

虚拟环境可以很好地缓解这个尴尬

我们在服务器上下载好anaconda以后，直接用

sh Anaconda*.sh

就可以完成anaconda的安装，记住需要配置好anaconda的环境变量。方法如《Linux系统设置环境变量》

设置好以后，可以查看conda下面安装了哪些模块：

conda list

和pip list的用法是一样的，我们可以看到详细的模块信息。

conda安装虚拟环境

conda create -name my_env_name python=3.6

这样就创建了一个名字为my_env_name，基于python版本3.6的一个虚拟环境了。注意，这里和pip建立的虚拟环境不同，pip建立的虚拟环境会直接在当前目录下生成一个虚拟环境的目录，激活虚拟环境也需要指定这个目录才行。而conda安装的虚拟环境，只会把虚拟环境的目录生成在anaconda安装目录下的env目录下。所以，conda创建的虚拟环境有一个很大的优点就是不用指定虚拟env的路径，不过前提是你需要把conda的环境变量早早设置好。

我们看看conda虚拟环境的激活脚本：

source activate my_env_name

激活之后，命令行的最前面就会出现虚拟环境的名字如下：

(my_env_name)wozuishuai@ak47-ml:~$

出现了前面那个小括号就代表以及进入了虚拟环境，那我们就可以用conda随便装模块了，只会影响到你的虚拟环境。

conda install -n my_env_name [package]

在这里，我们可以明显知道什么时候该用conda建立虚拟环境以及什么时候该用pip建立虚拟环境。

当我们觉得这个虚拟环境可能用得比较多，适用其他工程的时候，我们可以用conda来建立。这样能够全局照顾，不需要每次指定路径。

当我们觉得这个虚拟环境也许只在这个工程下用到，我们就用pip来建立，这样不容易发生env目录下的命名冲突，而且每次打开工程目录可以看到虚拟环境的目录躺在列表里，你就知道需要先激活虚拟环境再run你的代码了。

如果需要退出虚拟环境，可以用以下脚本：

source deactivate

查看Conda环境下所有的虚拟环境

conda info --envs

删除Conda虚拟环境

conda remove -n my_env_name --all

my_env_name对应的就是要删除的虚拟环境名称

使用文件直接配置虚拟环境的模块包

我们可以对虚拟环境中所需要的模块列一个心愿列表，比如使用yml文件来列：

name: my_env_name

dependencies:

- python=3.6

- pytest

- keras

- tqdm

- Pillow

- pip:

- tensorflow

把上述内容放在yaml文件里，比如命名为env_config.yml

那我们想直接生成这么一个环境只需要：

conda env create -f env_config.yml

然后，用同样的方式激活虚拟环境就可以了。