我以前学习Python和机器学习使用的是Python和pip分离的方式，现在希望从TensorFlow转Pytorch深度学习框架，但是由于原来pip管理的混乱，我发现Pytorch框架调入失败，于是下定决心让整个管理系统更有序，所以开始转Anaconda，有了如下一篇文章。 需要首先提示的一点，有很多人说要装Anaconda就需要先把原来的Python卸载，以免冲突。但是我把Anaconda配置好后，发现原来的Python并没有影响到我Anaconda环境下的Python版本或包。再但是，老版本Python和新按照的Anaconda共存，会显得非常冗余，而且指不定哪天你引入的编程环境就出问题了呢？总的来说就是：并不是装了Anaconda就必须清理原来单独的Python，但是，推荐你留下Anaconda就ok啦！ （手动换行） 刚从Python3.7+pip转Anaconda+conda的配置坑里爬出来，写篇blog记录一些细节，现在开始。

1 为啥要装Anaconda？

下面的几点是我想到哪写到哪，比较零散，大家看个大概，懂个意思就?

• Anaconda是Python的一个发行版，其实就是一个Python的集成环境管理器，其中包含了Python以及许多常用的库，比如numpy、pandas等，另外！还包含了一个名为conda的包管理器。
• Anaconda一举多得，一旦装了Anaconda，就代表你已经装好了Python编译器以及众多常用包（除了第三方框架之类的）
• Anaconda可以在其GUI下操作，也就是Anaconda Navigator。这种可视化的包管理，远远比单独装Python单独在终端pip装包要方便得多！况且，终端pip安装东西还比较难以去管理安装路径（所以我曾让C盘扛得太多ㄒoㄒ），而Anaconda就是一个集成管理器，每一个包，每一个虚拟环境的位置，都明明白白地存在着~
• 我使用Anaconda之后最大的感触：可以创建多个虚拟环境！ 如果既想使用TensorFlow，又想使用Pytoch，然后又不希望不同的库产生冲突，那么Anaconda的虚拟环境就是最好的选择！我在不同的虚拟环境下放不同的框架，不同的库，相互独立，只需要我每次切换到需要的环境下编程就可！美哉美哉啊~

2 下载并安装Anaconda

这里有人说不推荐在官网下载，比较慢。但是我下载的感觉是挺快的，这个就不详细描述了，附上官网链接：Anaconda Installers 我安装的版本如下图： 安装流程呢，大多数步骤都比较随性，但是！有两步非常关键！直接放图。 下图中我个人感觉问题不大，因为我选择了Just Me，能正常使用。 下图注意啦！！！第一个不选上，第二个选上！！！别问为什么，总结的别人的踩坑点...

3 配置Anaconda的系统环境变量

如果你写过代码，那么环境变量一定不陌生啦，和C语言 Go语言 Java语言...一样，在高级系统设置中进行环境变量的配置，按照教程，在系统变量的path中主要添加如下几项：

E:\Anaconda（Python需要）
E:\Anaconda\Scripts（conda自带脚本）
E:\Anaconda\Library\mingw-w64\bin（使用C with python的时候） E:\Anaconda\Library\usr\bin
E:\Anaconda\Library\bin（jupyter notebook动态库）

注意！添加的是你自己的Anaconda路径，而不是上面示例中的E:

做到这里，按道理讲你的Anaconda就已经配置完成，重新打开cmd检验是否配置成功，参见下图。

4 在Anaconda中创建属于你的虚拟环境

在系统中找到Anaconda Navigator管理软件，是这样的界面。很清晰对不对！我来大概介绍一下功能：如图的界面是在默认环境base（root）下的功能面板，其中Prompt是管理环境的命令行终端，Jupyter Notebook、Spyder、PyCharm等等都是用于编写程序的软件（根据自己情况选择）。 接下来是重头戏——Environment虚拟环境。看下图，在默认环境base下，已经拥有了右侧众多的包和库，这些都是可以直接import进去的。然而，默认的环境是没有框架的，比如TensorFlow、Pytorch等。我这次换上Anaconda的目的就是更方便地使用Pytorch，所以下面的教程是在创建的虚拟环境下按照Pytorch框架。 首先，点击左侧的Create新建虚拟环境，然后命名选择Python版本，我选择的是Python3.8版本。

在创建好虚拟环境之后，你会发现在刚才的界面上多了一个环境的选项，如果选择到Pytorch_envs，那么该界面下打开的任何软件和工具都是基于该环境下的Python版本以及各种包、库。

5 在虚拟环境下使用conda安装包和框架

如果在GUI界面中，显然是可以通过搜索的方式进行安装的，如图所示。 或者，用最通用的方法——用命令进行安装。介绍两种方式打开。第一种方式是点击环境右侧的▲，选择打开终端。 第二种方式是在指定的环境下点击Prompt。 如果进终端后发现不是指定的虚拟环境，那么使用activate <环境名>命令就可以激活到该环境下。 首先，要明确的一点是，如果使用默认镜像源安装Pytorch或者matplotlib之类的东西会非常慢，甚至安装失败。为了防止这个问题，先换镜像源是非常有必要的。比较主流的镜像源有：清华源、豆瓣源、中科大源... 豆瓣源我不太熟悉，清华源╥﹏╥一言难尽，之前有禁用过，现在可能是维护上没跟上，所以安装东西时等待了30min后弹出HTTPError的报错，意思就是无法从这个镜像源获取到所需要的东西。

这个时候就要果断换镜像源——中科大镜像源。只需要两行命令即可：

conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/free/
conda config --set show_channel_urls yes

但是如果你仍然保留了清华镜像源，请删除彻底，否则下载东西的时候很可能再次拉取到清华镜像源。删除镜像源的命令也很简单：

conda config --add channels 

这个URL怎么查看？如下一行命令：

conda config --show channels

凡是有 除了ustc以外的镜像源，统统remove掉即可！（上图是我删除后保留的结果，简洁就一行镜像源） 附上参考链接：

• conda 安装 pytorch 下载太慢解决
• conda国内镜像修改（最新版）

现在终于开始正式安装东西了~命令很简单，和pip非常相似：

conda install <包/库名>

若安装的是Pytorch框架，那么需要去官网查看安装命令具体是什么样的，附上链接：Pytorch Installation 下图是我的选择，在输入命令时可以去掉 -c

conda install pytorch torchvision torchaudio cudatoolkit=10.2 -c pytorch
conda install pytorch torchvision torchaudio cudatoolkit=10.2 pytorch

用conda list可以查看所有该虚拟环境下的包、库以及框架。

所有的这些操作（创建虚拟环境、切换环境、安装库）都可以在Prompt中仅仅使用命令行完成，详细命令参见链接：

• Conda Pip管理环境和安装包、更换源
• Anaconda详细安装使用教程

举一些简单的例子：

• 创建虚拟环境：conda create -n env_name python=3.8
• 删除虚拟环境：conda remove -n env_name --all
• 激活虚拟环境：activate env_name

（2021.5.30补充如下） 在Anaconda的帮助下，我这几天已经开始在自己的虚拟环境下写深度学习、跑集成学习以及做yolov5的目标检测了，至少有了Anaconda之后，我运行程序的环境不再迷糊~不会出现库似有似无的状况啦。提一提最近用得比较的东西吧? 如果说我们没有特别的必要打开Anaconda Navigator这个大软件，就尽量不从它打开命令行或者是IDE，因为打开它实在是有点花时间，加载的时间我都把命令输完东西装好了，或者早就把Pycharm打开了。那应该怎么做？最简单的方法就是把Anaconda Prompt快捷方式放在桌面上，直接点开即用。 话说回来，我们仔细想想啊，这个其实和cmd是一个东西！我们把cmd/powershell（事实证明，还是用cmd吧，powershell好像没显示activate的执行结果）用好，多用用cd命令或者activate命令激活虚拟环境也是很香的哦！ 常用命令如下：

activate <虚拟环境名>
conda list
conda install <包名> conda install matplotlib

总结就一句话，执行的核心还是在终端，要快捷，就要用好终端~包括写大一点的程序写多后，会发现用终端命令编译执行程序比使用IDE的RUN程序更方便，而且也省去了IDE软件的环境配置，甚至编译器仅仅当文本编辑器就可以啦（都是题外话了，写代码写多了的感觉）

6 使用IDE进行编程

6.1 PyCharm

PyCharm的配置比较直接，打开PyCharm，在Configuration中将编译环境选择到Anaconda的指定虚拟环境（其实就是对应文件夹）下。 测试环境代码（测试了内置的numpy 自己安装的matplotlib和Pytorch）

# -*- coding: utf-8 -*-
"""
Created on Mon May 24 20:11:56 2021
@author: Zeng Wenxuan
"""
import torch
import numpy as np
import matplotlib.pyplot as plt

a = torch.rand((2, 3))
print(a)
print("Hello Anaconda!")

x = np.linspace(-0.5, 0.5, 50)
y = x ** 3
plt.plot(x, y, 'r')
plt.scatter(x, y)
plt.show()

6.2 Spyder

如果你没安装过Spyder，我推荐你在Anaconda界面下安装。并且选择你指定的虚拟环境！否则是默认的base环境。下图就是默认环境为Pytorch_envs的Spyder软件。 可以将py文件保存在任何你想要的目录下，所以完全不需要担心文件路径的问题~ 题外话，这是我第一次使用Spyder写代码，没想到这个界面挺让我喜欢的，和Matlab的相似度比较高，代码块、终端、图像、变量列表是分离的，挺清晰~

6.3 Jupyter Notebook

Jupyter Notebook是我学习Python和机器学习一直在使用的web编程工具，使用场景主要是编程的学习和练习，能够呈现每一模块的运行结果，非常适合入门的调试，但是不适用于写较大的项目。 第一种打开方式是在Anaconda的指定环境下点击Jupyter即可。 但是我遇到一个问题呀，启动的Jupyter根目录是在C盘中的User，我暂时没有想到方法进入到D盘自的目录下...╥﹏╥...哪位好心人知道可以给我留言呀~提前感谢啦！ （2021.5.26中午补充：有小伙伴告诉我是Jupyter默认路径的问题，修改默认配置即可：参考这篇链接Jupyter notebook文件默认存储路径以及更改方法） 另一种通用的方法就是在命令行进入到Jupyter Notebook中，这也是我之前在windows的cmd下启动的方法。方法很简单：cd +jupyter notebook

7 参考资料

我从很多篇博客中学习到了很多知识，只是每一篇都有其不够完善的地方，比如有些文章把安装过程写的很详细，有些文章把安装包的过程写得很详细，有些文章侧重某一方面的坑点进行了描述。我写这篇总结的目的就是把整个安装过程、配置过程、优化过程进行完整的梳理，并把自己遇到的各种问题都记录下来，供自己和大家在之后的学习中参考。 下面我就把对自己最有帮助的一些文章链接放出来：

• 【Anaconda教程01】怎么安装Anaconda3

↑ 这篇把安装过程和环境配置写得非常简洁清晰

• Anaconda详细安装及使用教程（带图文）

↑ 这篇缺少了点环境配置的描述，但后半部分对Anaconda的虚拟环境及各种工具的理解比较到位

• Anaconda安装教程（使用Spyder）

↑ 这篇让我第一次接触到Spyder进行编程

• conda 安装 pytorch 下载太慢解决

↑ 这篇让我学会去掉-c安装Pytorch conda国内镜像修改（最新版） ↑ 这篇让我知道要把不需要的镜像源统统remove掉

• Conda Pip管理环境和安装包、更换源

Anaconda详细安装使用教程 ↑ 这两篇有详细的环境、包管理命令