conda下多环境（environment）及spyder jupyter lab配置
结论速递
借助conda进行多environment环境管理，并且这些enviroment都可以共用IDE spyder以及jupyter lab。
由于python迭代很快，需要注意的是本文记录时间是2021/8/10，系统是Windows，conda版本4.10.3，高于此版本或低于此版本流程可能都不完全一致。
1 问题概述
为什么需要多环境？
- 第一个理解是，在安装一些开发中或者开发未完善的python库时，总是会遇到一些需要依赖库版本不一致的问题。
比如最近遇到的一个问题是PyTorch Geometric库，会建议配置PyTorch版本为1.8.0打头，而另一个库比如NeuralProphet，则要求PyTorch<1.7。这个时候如果它们装在一个环境下就会导致PyTorch库版本混乱，有的库可用而有的库不可用。（事实上后面那位仁兄，还有有很多雷可以踩，比如pandas，numpy，seaborn，scikitlearn XD，不怪它，怪我）
类似的经常引起冲突的依赖库还包括Numpy，Pandas，装完一个新的库另一个依赖于Numpy的库报废了的血与泪可没少流，把所有库的版本都统一显然是太过于麻烦了，也没那个必要（python的各个库迭代这么快，别和他们作对）。所以在装不是非常通用的库的时候，可能会优先考虑进行新环境创建，防止把前面的环境干掉。 - 第二个理解是，想跑一些模型或者论文源码的时候，需要使自己的运行环境和这些源码一致，把自己的base环境全部重配显然是不现实的，就可以新建environment，来简化这个过程。当然更省心的方式可能是colab，还是看个人喜好。
- 还有一个简单粗暴的理解，就是想玩多个python版本，每个版本当然至少要一个environment。
多环境配置完需要做什么
创建了新环境，还需要使IDE在各环境下通用。这边我习惯使用的IDE是spyder和jupyter lab。他们都可以实现在多环境下使用。
本文简单记录一下实现过程，方便回头查阅。（鸣谢@BH提醒需要把这个记录下来）
2 新环境创建及摧毁
记录一下一些常见的语句。此处参考了笔记conda创建新环境。
首先是创建新环境
conda create --name yourEnv python=3.7
create --name后面跟命名，然后可以指定python版本。
然后一定要记得，创建完了，别着急装包，先切换到新建的环境里
conda activate yourEnv
退出环境，可以通过切换到另一环境的形式
conda activate base
或者，退出激活
conda deactivate yourEnv
环境配烂了怎么办，没关系！可以直接摧毁重建，不会毁掉你的其他环境，完全没有负担！
摧毁语句（摧毁前，记得先退出你想要摧毁的环境）
conda remove -n yourEnv --all
然后还有一些花里胡哨的语句，比如，查看有多少个环境
conda info -e
*表示当前所在的环境，其实语句前面的(base)也提示了当前在base环境下。
3 IDE的通用
3.1 Spyder
Spyder其实比较粗暴简单，就是需要在每一个环境下都安装Spyder…
也就是activate每个环境，然后
pip install spyder
但是使用的时候要记得！你可以打开任意一个Spyder，但是如何确保Spyder知道用哪个环境来算呢。要记得到Perference那里，切换当前引擎
选完了之后记得重启kernal，不然白选
3.2 Jupyter lab
Jupyter lab的话，主要体现在配置上稍微复杂一点点。主要逻辑是，只在一个环境里头装jupyter lab，但是在需要用的环境里面配ipykernel。
首先在base上面，装好jupyter lab。
pip install jupyterlab
然后，在建好的环境里头（就是你要激活这个环境），配置ipykernel（其实也可以在建的时候就配上，不过我习惯分开做，建的时候配上可以参考这个博客）
python -m ipykernel install --user --name yourEnv --display-name "yourEnvName"
上句子中对应的yourEnv就是要配ipykernel的环境名，yourEnvName对应到时候在Jupyter里头显示的名字。
如果提示找不到ipykernel，那就先
conda install ipykernel
然后对每一个环境重复就好，就可以配完了。
在使用的时候，可以在新建文件的地方选择对需要的引擎
然后也可以在笔记本右上方选择/切换kernel类型
