目录

前言 

创建环境

环境进入并且安装所需包

配置的环境如何与pycharm搭配使用

如何查看已知在已知环境的包

Conda常用指令

远程服务器使用

        创建环境有很多种方法，anaconda也好，pycharm也好，用cmd指令+anaconda也行。所以问题就会出现很多种，我比较喜欢用最后的一种，所以本文也是在这个基础上详细介绍如何通过cmd+anaconda指令创建python环境和配置相应的包。       

        作为想要入门的程序员小白，一般做的第一件事就是下软件然后配置环境，关于为什么要配置环境？其实学python应该都清楚，搭一些模型都要调包，那么包所处在的位置我们就称之为环境。那为什么不用一个环境就行了呢？其实在一开始我也有这个疑问，但后面发现很多网络上的框架模型要求的包版本不一样，比如下图：

上图就要求了一些包的具体版本，so如果我们跑这个模型用的是python3.6.5 那另一个模型要别的python版本呢，所以我们就可以创建多个虚拟环境来放包。

需要基础软件：Anaconda、Pycharm（安装可以参考相关的博客，操作比较简单）

首先第一步在按win+r打开操作指令框：输入conda create -n+你想要创建的环境名字，然后输入y选择确认建立。这里我建议如果对python版本有要求的可以直接在环境名字后面+要求的版本，譬如：conda create -n yang python=3.6.5。如果不对python版本有要求，那么系统就不会安装python，自然而然就没有pip这个安装工具。如果忘记装了也没关系，可以输入指令conda install python，一样可以安装成功。pip工具一般是在python包里面，所以需要先安装python，才可以使用pip工具，安装其他包，为什么不像不用conda安装呢？emmm，其实我觉得是我用习惯了pip，因为前辈们说pip工具比较方便，所以就一直使用pip安装其他包。

 建立完之后我们就可以点击激活这个环境，也就是表示我们要进入这个环境并且在这个环境中安装一些常见的包。

输入指令如下 conda activate yang（一开始建立的环境名称）activate是激活的意思，指令的意思就是说我们需要用canda激活一个环境，名字为yang。

 进入环境之后，就可以肆意下任何版本的包了，比如：pip install numpy==1.2，但事实并不是这样，不能下载的原因有3种类型：

1：没有这个版本，so还是要看清楚再装载

2：安装过程出错，出错原因有很多种，建议再试2次

3：最麻烦的可能就是第三种了，pip安装不到这个版本的包，所以我们就得去安装离线资源的包，以tensorflow包为例：Links for tensorflow。进入网站后点击自己所需要下载的包：win就是对应的windows，cp34指的是python3.4对应的，tensorflow后面指的数字就是相应二点版本号。

 点击链接下载，下载完成后，可以将其拖入到桌面，然后在cmd输入框键入cd Desktop，这个指令意思就是在创建好的环境下打开桌面的文件。然后我们就可以键入指令pip install 相应的文件名字（.whl），切记不能因为图简单就修改了文件的名字，要不然就会导致安装失败。

1.首先我们要查找我们刚刚建立环境的位置，重新打开cmd，输入指令：conda info --envs，指令意思是查找我们环境所在盘的具体位置：然后复制我们的目标环境地址（Ctrl+c）。

2.打开Pycharm，点击File，然后点击settings,进入了配置环境的界面：

2.1 点击Add，表示添加新环境。（如果有不习惯看英文界面的可以在pycharm安装中文包）

 2.2 按照箭头操作指导如下：

2.3 复制粘贴第一步获取的目标环境地址，然后点击一下Python.exe。最后点击OK，目标环境配置完成，接下来就可以愉快的在Pycharm在自己创造的环境上跑程序了。

1.直接在软件Anaconda可以看。

2.直接在cmd里面查看。

输入指令：conda activate +（目标环境），接下来输入指令conda list，然后就可以看到我们之前在该环境下安装的包了。

3.用pycharm看

打开Pycharm，进入环境设置，操作目的是可以看到之前安装的包。

基本使用conda必须要了解的三个概念：虚拟环境、通道和包。 conda提供了在python环境下重要的编程环境管理功能，包括环境隔离和依赖包管理。 环境隔离通过虚拟环境实现，与此相关的命令有： conda create -n python=3.6 # 新建环境 conda activate             # 激活环境 conda deactivate           # 退出 而应用依赖则通过依赖包管理实现，首先与通道相关的命令有: conda config --add channels conda config --remove channels 可以指定url设置为国内镜像源提高下载速度。 与包依赖相关的命令有： conda install -c -n conda uninstall -c -n 最后需要了解的是conda下载包时，包缓存目录的设置命令： conda config --add pkgs_dirs 也可以通过condarc文件编辑改设置。 可以通过 conda info 查看conda的配置（channels）信息。

可以用 pip install package_name==  进行查看包有哪些版本。

pip freeze > requirements.txt，导出当前环境下的安装包的名字

如果系统是linux系统时，装torch时不需要安装cuda，只需参考torch官网即可，例：

测试是否能使用torch的gpu版本步骤如下：

1、在cmd界面激活已经安装好的环境，conda activate --

2、激活python，直接键入python

3、输入：import torch

torch.cuda.is_available

返回True即为成功

查看显卡使用情况：nvidia-smi

指定单卡运行: