Anaconda3安装配置/创建删除虚拟环境/在特定虚拟环境下安装库_anaconda 删除环境

1. Anaconda3卸载

先说Anaconda3的卸载，在Anaconda3安装路径下有一个Uninstall-Anaconda3.exe，右键以“管理员身份运行”，可执行完全卸载

2. 下载与安装Anaconda3

官网地址https://repo.anaconda.com/
点击Anaconda Distribution，或者访问以下路径https://www.anaconda.com/products/distribution

其中Download按钮下载的为最新版本，如果需要下载指定版本，将页面滑至最下端，进入archive

或者直接访问以下路径Anaconda3历史版本，可以找到Anaconda3所有历史版本

可以看出，下载列表里，只有Anaconda3的发布日期，并没有所对应的python版本，如果想要下载特定版本的python，例如，想要想在目前比较稳定好用的python3.9，可以访问Anaconda3版本与python版本的对应关系
我想要下载windows64位系统python3.9对应的Anaconda3，即Anaconda 2022.10，去找到对应版本下载即可

安装过程一路next，没有需要特别强调的，我的安装路径为：C:\ProgramData\Anaconda3，该环境也称作基环境(base environment)，区别于自己创建的环境。
安装完成后，打开Anaconda3自带的命令提示符Anaconda Prompt，输入python，显示以下，表明安装成功，python版本是3.9

3. PyCharm三种解释器的区别（virtual Enviroment, system interpreter, conda Enviroment）

在用Pycharm构建新的python项目(例如Pure Python、Django、Flask等项目类型时)或者在已有项目配置解释器时，会遇到三个选择

• virtual Environment
• system interpreter
• conda Enviroment
  

1. system interpreter表示本体解释器
   选择系统里安装的Python作为解释器，不推荐使用
2. Virtual Environment-python的虚拟环境
   可以使用一个Python程序拥有独立的库library和解释器interpreter，而不用其他Python程序共享一个library和interpreter。虚拟环境的好处是避免了不同python项目间的互相影响（共用global library和interpreter），例如项目A需要某个库的1.0版本，而程序B需要同样这个库的2.0版本，如果程序B执行则A就不能执行了。
   Virtual Environment是一款工具，Pycharm中集成了它，用以创建独立的虚拟环境，Virtual Environment主要解决的库依赖和版本依赖、以及间接授权的问题。
3. conda Environment
   当然，我们在使用python时，大部分人会选择从安装Anaconda3开始，当你的电脑中安装了Anaconda3，可以使用其附带安装的python解释器，例如，在本教程中，C:\ProgramData\Anaconda3这个路径下的python解释器是Anaconda3下载时自带的。

4. 在pycharm中以交互方式分别用Conda和Virtualenv为新项目创建/删除虚拟环境以及在指定环境中下载特定版本库

4.1 为什么要创建虚拟环境

有的时候因为各种原因，在操作系统下，我们会安装很多版本的Python解释器。同样，我们也有可能因为各种原因，需要不同版本的模块，比如Django1.8，Django1.11。再加上pip工具管理器的版本混乱问题。这就使得很多人在Python的环境管理上产生极大的混乱。
通常每个项目，甚至项目不同阶段的版本，需要不同的Python解释器和依赖库。为了清晰明了，安全可靠的管理这些环境，需要为每个项目或每个应用各自建立一套“独立、隔离”的Python运行环境。
virtualenv就是用来为每一个项目创建一套“独立隔离”的Python运行环境的工具。

以下两图分别是在pycharm中用Conda和用Virtualenv两个工具分别为一个新建项目创建虚拟环境时的一些设置


以MyProject1为例，现在在D:\Code\MyProject1路径下，有一个venv文件夹，即创建的虚拟环境，刚创建的虚拟环境一般只有几十兆，是一些基础的库和依赖。
MyProject1在Pycharm中的文件结构如下，随便建一个python文件Transform.py，写句import keras，执行会报错no moudule named keras，这是因为在MyProject1项目所依赖的环境里，并没有安装keras库。如何在该环境即venv下安装keras？

4.1 在指定虚拟环境下安装特定库

我们想要在venv下安装keras，一个简单的方法是，进入并激活venv环境，即：定位到D:\Code\MyProject1\venv\Scripts，在该路径下cmd，然后输入activate，回车

出现下图：(venv) D:\Code\MyProject1\venv\Scripts，即表示进入到venv环境了，在此环境用pip安装各种MyProject1所需的各种库，例如，我这里安装tensorflow，keras等。安装完后，venv环境现在有1G多，在pycharm中执行import keras，也不再会报错！

4.2 删除虚拟环境

要删除虚拟环境，直接删除虚拟环境所在的目录就可以了，注意不要将其它的环境给删了。但是，删除虚拟环境后，所有以前使用该环境的工程都将受到影响。这点很好理解，所以请确保环境不再有需要再删除！

5. 以命令行方式分别用Conda和Virtualenv为新项目创建/删除虚拟环境以及在指定环境中下载特定版本库

上述是在pycharm中以界面交互的方式分别用Conda和Virtualenv，下面讨论在命令行中用Conda和Virtualenv创建删除虚拟环境

5.1 用conda在默认路径下创建/使用/删除虚拟环境

默认路径为C:\Users\wangy\.conda\envs，打开Anaconda Prompt

• 创建名为newVirEnv的虚拟环境，python解释器版本为3.7

conda create -n newVirEnv python=3.7
1

• 激活虚拟环境

activate newVirEnv
1

• 在激活虚拟环境后，直接安装需要的框架包，也可以在不激活的情况下安装，例如，安装numpy

conda install -n newVirEnv numpy
1

• 退出虚拟环境

deactivate newVirEnv
1

• 删除虚拟环境
  先退出当前虚拟环境，然后执行conda remove -n newVirEnv -all

5.2 在指定路径下创建/激活/删除虚拟环境

• 在D:\Code路径下创建虚拟环境virEnv，python版本指定为3.7

conda create --prefix=D:\code\virEnv python=3.7
1

• 进入/激活该环境

activate D:\code\virEnv
1

• 移除该环境
  先通过conda deactivate退化该环境，再执行conda remove -p D:\code\virEnv --all
  #6. Conda和Virtualenv的区别
  最后来讨论一下Conda和Virtualenv的区别

5.3 在指定虚拟环境中安装requirments.txt文件

在激活virEnv的前提下，执行pip install -r D:\Code\requirements.txt，其中D:\Code\requirements.txt是待安装的requirement.txt的路径

6 在ubuntu系统下创建minconda虚拟工作环境

// 查看已经存在的工作环境

conda info --envs
1

// 创建环境
和windows下类似，用参数-n在默认环境创建虚拟环境test
conda create -n test python=3.10
用参数--prefix在指定目录下创建虚拟环境venv

conda create --prefix=/home/wyw/ChatGLM2-6B/venv python=3.10
1

// 激活在默认路径下创建的环境

conda activate test
1

// 激活在指定路径下创建的环境

conda activate /home/wyw/ChatGLM2-6B/venv
1

下图实施方法

• 用conda create -n venv_chatglm2 python=3.10在默认路径创建工作环境venv_chatglm2
• 用conda activate venv_chatglm2激活该环境
• cd到ChatGLM2-6B文件夹下，文件结构如图
  
• 然后python test_csv.py运行该文件

6.1 linux系统用nvidia-smi监控GPU使用情况

1. nvidia-smi：查看显卡目前温度、显存已使用及剩余、正使用显卡的所有进程及占用显存等信息
2. watch -n 5 nvidia-smi：5代表每隔5秒刷新一次GPU使用情况，同理，每隔1秒刷新则使用watch -n 1 nvidia-smi
3. nvidia-smi -i 0：查看指定显卡使用情况，例如，查看显卡0使用情况
4. watch -n 1 nvidia-smi -i 0,1：实时查看多块卡使用情况
5. 用free -h -w查看CPU占用情况
   一篇非常详细的nvidia-smi面板的参数说明参见https://blog.csdn.net/daydayup858/article/details/131633445