virtualenv创建虚拟环境

1 vitrualenv定义及安装

1.1 virtualenv定义

建立一个隔离的python环境，激活它，就使用这个环境里的包、python等。

1.2 virtualenv安装

pip install virtualenv -i https://pypi.tuna.tsinghua.edu.cn/simple

安装过程中出现例如dislib等包导致的失败，可运行如下命令安装：

pip install virtualenv -i https://pypi.tuna.tsinghua.edu.cn/simple --ignore-installed distlib

2 创建一个virtualenv环境

2.1 清清爽爽新环境

virtualenv 路径

以这种方式创建环境将不包含系统的python包，新的环境里面只有pip、setuptools和wheel这些包，则许多包要用pip重新安装。

2.2 ubuntu中指定python版本

例如，若需指定使用系统中python3.6版本，首先找到python3.6安装在哪里（默认安装在 /usr/bin/python3.6，也可使用命令whereis python3.6查看pyton3.6 安装路径 ）

virtualenv -p /usr/bin/python3.6 myenv      # 最后myenv是安装到该文件夹下，也是虚拟环境名称 

2.3 windows中指定python版本

中间的python3.6需要自己先安装

virtualenv -p D:\\software1\\python36\\python.exe myenv

3 激活虚拟环境

# linux
source myenv/bin/activate

# windows
cd myenv/Scripts        # 进入Scripts文件夹下
activate                # 运行activate

4 关闭这个虚拟环境

# linux
deactivate

5 安装常用包

整深度学习，通常情况下，需要的基础包如下(借鉴yolov3)：

# pip install -r requirements.txt

# Base ----------------------------------------
matplotlib>=3.2.2
numpy>=1.18.5
opencv-python>=4.1.2
Pillow>=7.1.2
PyYAML>=5.3.1
requests>=2.23.0
scipy>=1.4.1
torch>=1.7.0
torchvision>=0.8.1
tqdm>=4.41.0

# Logging -------------------------------------
tensorboard>=2.4.1
wandb

# Plotting ------------------------------------
pandas>=1.1.4
seaborn>=0.11.0

# Export --------------------------------------
# coremltools>=4.1  # CoreML export
# onnx>=1.9.0  # ONNX export
# onnx-simplifier>=0.3.6  # ONNX simplifier
# scikit-learn==0.19.2  # CoreML quantization
# tensorflow>=2.4.1  # TFLite export
# tensorflowjs>=3.9.0  # TF.js export

# Extras --------------------------------------
# albumentations>=1.0.3
# Cython  # for pycocotools https://github.com/cocodataset/cocoapi/issues/172
# pycocotools>=2.0  # COCO mAP
# roboflow
thop  # FLOPs computation

可在本地新建一个requirements.txt，复制粘贴上面内容并保存，在激活上述虚拟环境的情况下，使用命令pip install -r requirements.txt安装即可，建议使用pip镜像源。

pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple