conda 和 pip的区别&创建虚拟环境和下载第三方库的方法

conda 和 pip的区别&创建虚拟环境和下载第三方库的方法

---

0. conda和pip用法简介

• conda—跨平台软件包和环境管理器，通用的包管理器，任何语言，安装Anaconda会对conda一同安装。

conda安装路径是xxxx\Anaconda3\ pkgs

所以，在某个环境中下载了包，再到另一个环境中下载同样的包时，conda会自动在上面的目录里找，如果有，不会重复下载，而是将这个包的site_package下的文件复制到当前环境下。和直接pip install 一样了。
# ~/.conda/envs/EnvName/python3.6/site-packages

使用conda uninstall时，和pip uninstall 一样，删除了当前环境site_package中的包的内容，但是在上述目录里面还存在这个包。

conda list > pip list ？

conda安装多个环境时，同一个包只需要安装一次，由conda通用管理，而pip要安装多个。

conda ≈ pip（python包管理） + virtualenv（虚拟环境） + 非python依赖包管理

# conda常用命令
conda -h#查看conda的一些操作命令
conda create --help#关于创建的一些命令

conda create -n pytorch_env python=3.6#创建环境  必须加python版本
#conda create -n pytorch_env python=3.6 django=2.2#也可以
conda activate  pytorch_env#进入环境
conda deactivate#从pytorch_env环境退出
conda remove -n pytorch_env --all#退回到base后，删除环境

conda list#查看此环境下有那些包
conda install package
conda uninstall package 删除包/pip uninstall package(看你安装包时，采用什么方式)
conda update 包名
conda update --all#升级环境下所有包

conda search django#查看商店中有什么版本的
conda install django=2.2
conda insatll tensorflow
conda install jupyter notebook
conda install numpy
conda install scikit-learn#安装sklearn

# 添加镜像源
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge 
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/
 
# 设置搜索时显示通道地址
conda config --set show_channel_urls yes

# 换回conda默认源
conda config --remove-key channels

# 镜像源安装第三方包
conda install --channel https://conda.anaconda.org/conda-forge pytorch-cpu

• pip

python独有包管理器。特定环境中进行库的安装，卸载也是一样，通过pip uninstall xxx就可以将该环境下Lib\site_packages中对应的库卸载了。安装包路径在虚拟环境中是xxxx\Anaconda3\envs\a_conda_env\Lib\site-packages

# pip用在特定的环境中
- ~/.conda/envs/EnvName/python3.6/site-packages

# 镜像源
pip是python包管理器，用pip安装第三方库时会比较慢，因为其默认情况使用的是国外的镜像，要加快速度，用国内的镜像源，如：
- pip install numpy -i https://……

# tf1.x安装
pip install tensorflow==1.15.0 -i https://pypi.tuna.tsinghua.edu.cn/simple

• .condarc (conda配置文件)、换国内源

---

1. Anaconda中安装gcastle的方法：

gcastle需要tensorflow1的环境，并且tf版本要高于1.14.0，这里选择的是1.15.0，所支持的python版本也不宜过高，这里选择python3.6的，使用conda创建虚拟环境，设置镜像源，安装tf1，然后再使用pip在该虚拟环境中安装下载好的包gcastle，同步会更新需要的其他包版本。执行如下命令：

# conda
# 1. 创建虚拟环境tf1.x
conda create -n tf1.x python=3.6  
# 2. 激活进入该虚拟环境
conda activate tf1.x
# 3. 切换国内镜像源
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/ 
conda config --set show_channel_urls yes 
# 4. 安装tf
conda install --channel https://conda.anaconda.org/anaconda tensorflow=1.15.0

# pip
# 5. 在pip中激活tf1.x
activate tf1.x
# 6. 在虚拟环境中安装下载好了的gcastle库
pip install gcastle-1.0.2-py3-none-any.whl
- 注：pip安装的时候，前缀要定位好安装路径，绝对路径，否则找不到安装地方
over~
此时，Anaconda有两个tensorflow版本，base环境中是原有的tensorflow2.8，tf1.x环境中是新安装的tensorflow1.15.0版本，并且gcastle库也在tf1.x环境中。用conda创建虚拟环境并安装tensorflow1.15.0时，因为原有的xxxx\Anaconda3\ **pkgs**中并没有相同版本号的库，故从新下载安装，与base中的tensorflow2.8不冲突，而在conda中再安装gcastle时路径出错，换用pip安装时成功~

2. 安装opencv

# 1. 镜像源中下载opencv库
https://www.lfd.uci.edu/~gohlke/pythonlibs/#opencv
# 2. 用pip安装在指定的环境中，这里为base环境，注意，安装时绝对路径不要出错，不然找不到包
pip install opencv_python-4.5.5+mkl-cp39-cp39-win_amd64.whl
over

3. 切换虚拟环境

• jupyter notebook

# 1. 设置为默认下载源（Anaconda清华镜像源会出现错误）
conda config --remove-key channels
# 2. 基础环境上安装插件nb_conda
conda install nb_conda
- jupyter notebook主页上会出现conda
# 3.进入我自己的虚拟环境
conda activate new_name
# 4. 安装jupyter
conda install jupyter    # 一定看好路径

# 安装好用的插件
# =========================================通过pip安装(行不通)
pip install jupyter_contrib_nbextensions
# =========================================通过conda安装
conda install -c conda-forge jupyter_contrib_nbextensions
jupyter contrib nbextension install --user 

• jupyter lab

# 查看内核版本
python -m ipykernel --version
# 安装内核
python -m ipykernel install --user --name=xxx
# 删除内核
jupyter kernelspec remove name

# ====================##########################问题
ImportError: DLL load failed: 找不到指定的模块问题
依次卸载numpy、scipy、sklearn，然后再重新下载合适的版本。
检查gcastle需要的库是否都在正确的版本，不在的话卸载重新下载
pip uninstall tensorboard
pip install tensorboard==1.15.0
当导入tensorflow时出现内核挂掉情况，卸载h5py,重新下载即可解决

整个安装第三方库需要注意的东西：tensorflow1.15.0, tensorboard1.15.0,numpy,scipy,scikit-learn,h5py,版本正确即可。

notebook和Lab是一致的！

4. Pytorch另建虚拟环境(Pycharm)

# 1. 退出当前虚拟环境
conda deactivate
# 2. 建立虚拟环境
conda create -n pytorch_1.3 python=3.7
# 3. 官网下载torch和torchvision相应版本，复制到lesson-22目录下
# 4. 进入当前环境
conda activate
# 5. 查看目录
dir
# pip安装
pip install "torch-1.3.0+cpu-cp37-cp37m-win_amd64.whl"
- 注：也可用镜像源：pip install -i https://……
# 查看安装是否成功
pip list
# 把当前项目关联到这个环境的解释器
conda envorionment……
# 然后新的环境安装tensorboard
pip install ……
# 最后
pip install future