怎么创建Anaconda虚拟环境并导入pycharm 最全操作 包括可视化界面和命令行操作 并安装深度学习框架为例_anaconda创建虚拟环境导入pycharm

---

前言

       这篇博客意在教会大家如何去使用anaconda来管理创建并管理我们的python虚拟环境，方便大家在未来的开发路程。

---

一、Anaconda是什么？

       Anaconda是一个开源的Python发行版本，他包含了conda、Python等许多我们常用的包。 因为包含了大量的科学包，Anaconda 比较大，如果我们的需求较小，也可以使用Miniconda这个较小的发行版（仅包含conda和 Python）
       而其中最重要的就是上面提到的conda、Python，python大家都很熟悉了，而conda则可以理解成一个包、环境管理器，就是有他的存在可以让我们自如的安装包，切换环境。

二、为什么我们需要虚拟环境

       在实际项目开发中，我们通常会用到各种库如tensorflow，numpy等，但是可能每个项目使用的框架的版本需求都不一样，这样需要我们根据需求不断的更新或卸载相应的库。
比如以下的场景

       场景1：项目A需要tensorflow1.x，项目B需要tensorflow2.0版本，虽然tensorflow2对下进行了尽可能的兼容，但很多模块其实是被直接移除的，所以就算你在tensorflow里强行兼容了1.x也是运行不了的。这时候如果没有安装虚拟环境，那么当你使用这两个项目时，你就需要 来回 的卸载安装了，而在卸载安装的同时又会引出来一大堆相关包的匹配问题，到时候就是很头疼的事情了。

三、使用anaconda来创建我们的虚拟环境

1.打开anaconda

2.进入环境管理

这里是我们已有的环境

3.创建环境

输入环境名称和选择python版本，这里以3.7为例

可以看到环境已经创建成功，并且激活了，里面有一些预置的包和我们刚刚指定版本的python。

4.anaconda里安装包

选择为Not installed

然后搜索想要安装的包，这里以numpy为例

确定并等待

5.配置镜像源

置换为想要的国内镜像即可，这边笔者给大家提供一个清华的镜像。
https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
下载完成后可以看到我们刚刚安装的numpy

6.命令行管理环境和包

当然这边教大家的是在anaconda的可视化界面里安装，这给新手用户带来了很大的方便，可是随着使用的深入，我们更多的都会习惯在命令行中进行操作
首先anaconda的客户端启动慢，反应也慢，即时配置了镜像源也经常出现下载失败的情况。
其次在命令行中能对环境进行更多更快捷的操作，习惯之后，你会发现命令行不是耍酷，是真的会快很多很多。无论是你的使用速度上还是他的执行速度上。
先让我们打开anaconda的命令行

这是我们的当前环境，也是我们的默认环境

使用activate 【环境名】来激活我们想要的虚拟环境，这边我们来激活刚刚我们创建的那个虚拟环境

我们可以看到前缀改变了，这就说明我们激活成功了，同时也可以从侧面说明我们的客户端和我们的命令行是同步的。

还记得我们之前提到的环境管理和包管理器吗？就是那个conda，我们可以用他来看看我们环境里有啥包，其实大家初学的话，可以直接把conda当成pip来用，但你要知道他们两个是有区别的，只是他的区别对于新手来说，不用太在意，大家初用，一般不会受影响的。
使用

conda list
1

来查看

可以看到我们刚刚安装的numpy，而且其他包也和我们在客户端里看到的是匹配的
我们也可以用conda来安装包和卸载包，分别是

conda install 
conda remove
1
2

输入y即可
再来试试安装numpy

7.命令行删除环境

conda remove -n paddlepaddle --all
1

输入y即可

8.重新在命令行创建虚拟环境

conda create -n paddlepaddle python=3.7.9
1

激活环境，并查看包

9.在命令行配置镜像源

查看已有的下载的源

conda config --get channels
1

添加源

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
1

查看添加的源

设置搜索时显示源

conda config --set show_channel_urls yes
1

下载个框架numpy试试

速度也是非常快的

10.安装百度paddlepaddle2.0框架

去官网找到对应的版本以及对应的cuda版本然后安装

conda install paddlepaddle-gpu==2.0.0rc0 cudatoolkit=10.1 -c paddle
1

我这边下载的是GPU的版本，也可以下载CPU的版本

等待安装即可，可能会有点慢，等待即可。

下载完成后我们可以用ocnda list来查看，会发现我们多了一大堆的包，那都是随着paddle一起安装的常用的包

也可以进入我们虚拟环境的python里进行使用

只要没有报错，那就ok啦。
这边演示的是一个深度学习中国产比较火的框架百度的paddlepaddle，大家也可以用类似的方法安装tensorflow、天元的MegEngine等

四、在pycharm中导入anaconda环境

1.打开pycharm，创建项目

选择我们的paddle环境路径

找到底下的python.exe文件，并选择


然后点击右下角create
然后新建一个python文件选择右上角配置


然后在里面选择python那一项
然后在Name那设置这个环境的名称，在Script path中选择我们要运行的文件夹里的python文件

然后点击apply
再点OK

然后开始我们的第一个paddle程序

import paddle.fluid

paddle.fluid.install_check.run_check()
1
2
3

到这里就大功告成了！

---

总结

虚拟环境的管理是python学习中非常重要的一块，掌握他能让我们在项目的管理中如鱼得水。