Windows配置深度学习环境详细教程（二）：conda工具的使用

序言

对于想要入门Python或者深度学习的初学者而言，配置环境一直是一个令人头疼的问题。相信有许多人经历过安装第三方包失败，安装好了却在使用中报错，安装CUDA、tensorflow、pytorch版本不匹配等等令人头大的问题，我也曾被这些问题所困扰。经过这两三年时间中反复重装环境的痛苦过程，直到现在我才逐渐能够独立、流畅地配制出一个令人满意的环境。在这个过程中，我也帮助了许多遇到这些问题的朋友，收获了一些经验教训，因此我希望将这一完整的过程写成博客，帮助在这方面遇到困难的人。

在这个系列的博客中，我计划详细介绍如下环境在Windows下的配置，后续有时间还会更新Ubuntu下的配置方法。

安装Pycharm和Miniconda
介绍conda虚拟环境配置工具（本篇）
安装CUDA、tensorflow和pytorch
多版本CUDA、tensorflow和pytorch共存

conda环境介绍

在Pycharm中打开Terminal，可以注意到命令行路径的前面有一个（pythonProject），这个括号里的内容，就是当前conda虚拟环境的名称。

使用conda env list命令，可以查看当前Miniconda中的所有conda环境，每个conda虚拟环境之间是相互隔离互不影响的。base环境是Miniconda自带的基本虚拟环境，中间有 * 星号标志的是当前所在的环境。

让我们打开Miniconda的安装目录（base环境后面的目录，我这里是D:\miniconda3）看下其中的目录结构。

在D:\miniconda3的根目录下，有几个重要的文件（夹），分别是envs/、Lib/、Scripts/、python.exe。

根目录下的python.exe其实就是base环境中运行的python，这个python的版本就是你下载Miniconda的python的版本。
base环境中安装的第三方包都放在Lib/site-packages/目录下。
Scripts/目录中包含了一些常用的脚本命令文件，包括conda、pip等，我们平常在终端输入命令就是调用的这里的脚本。
envs/中包含了所有由用户创建的虚拟环境。打开envs/目录，可以看到当前的目录中有一个pythonProject文件夹，这就是我们刚才创建项目的同时新创建的虚拟环境。打开这个文件夹，我们会发现其中的目录结构与根目录基本一致，其中文件夹的作用也和base环境相同，但是这里python的版本则与我们创建环境时所指定的版本相同。

现在我们再来看上一篇中创建项目时的这张图片，就不难理解其中Location、Python version和Conda executable的含义了。

此时我们就可以来了解Make available to all projects选项的作用了，它的含义其实就是当我们在虚拟环境中安装第三方包的时候，同时也在base环境中安装一份。即在D:\miniconda3\envs\pythonProject\Lib\site-packages中下载第三方包时，复制一份到D:\miniconda3\Lib\site-packages中。

使用conda命令

因为初学者经常会一些概念不清，在不同环境下了安装第三方包却无法正常调用，所以强烈建议不要直接使用base环境。同时为了更好地学习conda命令，我们重新从零开始创建一个conda虚拟环境。打开cmd命令行或者Pycharm中的Terminal终端输入命令，这里我使用cmd进行操作。

conda换源

因为conda的默认源在国外，下载第三方包非常缓慢，因此需要先更换为conda的清华源。打开清华源官网https://mirrors4.tuna.tsinghua.edu.cn/help/anaconda/。

首先复制conda config --set show_channel_urls yes这行命令到cmd并执行。
然后用记事本打开用户目录下的.condarc文件（打开C盘->用户->你的用户名->.condarc文件，注意condarc前的点）。

将红框中的文字复制到.condarc文件中并保存。

在cmd中执行conda clean -i命令。

使用conda创建环境与安装第三方包

首先使用conda create -n NAME [python=3.8] [-y]命令创建一个新的环境，中括号表示可选项，将NAME替换为新环境的名称。

如果输入python=3.8则可以创建一个python版本为3.8的环境，否则默认创建一个与base环境相同python版本的环境。这里强烈建议加上python=3.8这个参数，原因在下一小节中会提到。

如果输入-y参数可以跳过后面确认安装的步骤。这里的python=3.8还可以替换成其他的第三方包，或者同时输入多个包并以空格形式隔开，conda会自动解析其依赖并直接安装好。

conda create -n NAME

conda create -n NAME -y

conda create -n NAME python

conda create -n NAME numpy

conda create -n NAME python=3.9 numpy

conda create -n NAME python=3.9 numpy=1.20

这里我输入conda create -n test python=3.8 numpy命令，然后输入y确定，就会创建一个名为test的，python版本为3.8的，包含numpy的conda虚拟环境。

创建好之后，可以使用conda activate test激活该环境（使用Pycharm的Terminal时需要新另开一个Terminal终端）。

使用conda list可以查看该虚拟环境中安装的所有第三方包，可以发现numpy已经安装好，并且python的版本为3.8.10（写博客时python3.8中最新的版本）。

在conda环境中正确使用pip

太长不看版：请务必使用conda create -n NAME python来创建虚拟环境，确保在创建环境时就安装了python和pip，这样在conda虚拟环境中安装第三方包时可以直接使用pip的所有命令。

详细说明版

如果conda环境中安装了python，那么直接使用pip即可将第三方包安装在当前的虚拟环境中，因为安装python时默认会同时安装pip包到该虚拟环境中。因此强烈建议在创建conda环境的同时加上python包参数。

如果创建conda时只使用conda create -n NAME创建了一个空环境，那么直接使用pip命令会将第三方包安装到base环境中。此时需要先使用conda install python命令安装python才能正常地在虚拟环境中使用pip。

例如，我使用conda create -n test python=3.8 numpy命令创建了test虚拟环境，使用conda create -n test1命令创建了test1虚拟环境。通过使用where pip命令和where python命令进行直观地对比，可以看出默认的pip和python命令是哪个。同时输出多个路径时（test环境中的where pip和where python），会默认使用第一个位置。

有些同学在安装Miniconda或Anaconda之前安装过独立的Python，或者是Windows自带的Python。这个Python是直接安装在了用户目录下的（C:\Users\username\AppData\Local\Microsoft\WindowsApps\python.exe），如果担心当前使用的是这个自带的python环境，也可以使用where python和where pip命令进行查看。

值得一提的是很多教程中会使用--user作为pip命令的参数，该命令的作用是在用户目录（C:\Users\username\AppData\Roaming\Python\Python38\site-packages）中安装python第三方包。安装在这个目录中的包能够在base环境中正常使用，但是不能在其他conda环境中使用。并且考虑到应该使同一环境中的包安装在同一个位置，所以不推荐使用该命令。

例如，在test1环境（未安装python和pip包）中依次使用pip install numpy --user命令和pip install matplotlib命令，效果如下。可以发现在base环境中，有matplotlib包，但没有numpy包，matplotlib包安装在D:\miniconda3\Lib\site-packages中，而numpy安装在C:\Users\username\AppData\Roaming\Python\Python38\site-packages中。

在Pycharm中改变项目环境为base环境，并导入这两个包时均无报错，但查看包文件的位置时，却是安装在上述两个不同的目录下的。

pip换源

永久换源：pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple
临时换源：在使用pip的时候在后面加上-i参数，指定pip源。例如，pip install numpy -i https://pypi.tuna.tsinghua.edu.cn/simple
国内镜像源：

清华大学 https://pypi.tuna.tsinghua.edu.cn/simple/

阿里云 http://mirrors.aliyun.com/pypi/simple/

中国科技大学 https://pypi.mirrors.ustc.edu.cn/simple/

中国科学技术大学 http://pypi.mirrors.ustc.edu.cn/simple/

其他conda命令

操作	命令
查看环境中已经安装的包	conda list
查看所有conda环境	conda env list 或 conda info -e
创建指定python版本的conda环境	conda create -n ENV_NAME python=3.8
创建包含某些包的环境	conda create -n ENV_NAME PACKAGE_NAME
安装包	conda install PACKAGE_NAME
更新包	conda update requests
更新所有包	conda update --all
更新conda版本	conda update conda
查看conda版本	conda -V
进入指定环境	conda activate ENV_NAME
退出当前环境	conda deactivate
删除某环境	conda remove ENV_NAME --all