Windows 系统下 Anaconda 使用指南

本文详细介绍在 Windows 系统下如何使用 Anaconda 进行 Python 环境管理，包括虚拟环境创建、包安装、常见问题解决等内容。

目录

• 虚拟环境管理
• 常用包安装
• 故障排除
• 包安装测试

---

1. 虚拟环境管理

1.1 创建虚拟环境

conda create -n xxx python=3.6

说明： 创建一个名为xxx的虚拟环境，并指定 Python 版本为 3.6

1.2 查看本地虚拟环境

conda info --env

说明： 显示所有已创建的虚拟环境列表

1.3 删除虚拟环境

conda remove -n xxxxx(名字) --all

说明： 完全删除指定的虚拟环境及其所有包

1.4 退出当前环境

conda deactivate

说明： 退出当前激活的虚拟环境，返回 base 环境

1.5 进入指定环境

conda activate xxx

说明： 激活名为xxx的虚拟环境

1.6 清理缓存

conda clean --all

说明： 清理 conda 缓存目录中的文件，释放磁盘空间。此操作不会影响已创建的虚拟环境和其中的包。

1.7 自动激活环境

禁止自动激活 base 环境：

conda config --set auto_activate_base false

恢复自动激活 base 环境：

conda config --set auto_activate_base true

说明： 控制 Anaconda 启动时是否自动激活 base 环境

---

2. 常用包安装

2.1 cx_Freeze 包

用途： cx_Freeze 是一个 Python 的打包工具，它可以将 Python 脚本打包成可执行的独立应用程序，以便在没有安装 Python 解释器的环境中运行。

2.2 Python 相关依赖包安装

2.2.1 Pyside2 安装

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple pyside2

查看安装路径：

pip show pyside2

说明： 使用清华镜像源安装，速度更快。使用 pip show 命令可查看包的详细信息包括安装路径。

2.2.2 dlib 安装

conda install -c conda-forge dlib

说明： 从 conda-forge 频道安装 dlib，这是一个计算机视觉库。

2.2.3 imutils 安装

conda install -c conda-forge imutils

说明： imutils 是一个图像处理工具库，提供便捷的图像操作函数。

2.2.4 pandas 安装

conda install pandas

说明： pandas 是 Python 中最重要的数据分析库之一。

2.2.5 seaborn 安装

conda install seaborn

说明： seaborn 是基于 matplotlib 的统计数据可视化库。

2.2.6 PyTorch GPU 安装

# 根据你的CUDA版本选择对应的命令
# CUDA 12.1版本
conda install pytorch torchvision torchaudio pytorch-cuda=12.1 -c pytorch -c nvidia

# CUDA 11.8版本
conda install pytorch torchvision torchaudio pytorch-cuda=11.8 -c pytorch -c nvidia

# CPU版本（无GPU）
conda install pytorch torchvision torchaudio cpuonly -c pytorch

说明： 安装 PyTorch GPU 版本前请确认你的 CUDA 版本，使用 nvidia-smi 命令查看。

2.2.7 Flask 安装

conda install Flask

说明： Flask 是一个轻量级的 Python Web 框架。

2.2.8 OpenCV 安装

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple opencv-python

说明： OpenCV 是计算机视觉库，使用清华镜像源安装。

2.2.9 TensorFlow GPU 安装

conda install tensorflow-gpu

说明： TensorFlow GPU 版本，用于深度学习。

2.2.10 scikit-learn 安装

conda install scikit-learn

说明： scikit-learn 是机器学习库。

2.2.11 Pandoc 安装

conda install pandoc

说明： Pandoc 是文档格式转换工具。

2.2.12 qfluentwidgets 安装

PySide6 安装方式：

# 轻量版本
pip install PySide6-Fluent-Widgets -i https://pypi.org/simple/

# 完整版本（支持亚克力组件）
pip install "PySide6-Fluent-Widgets[full]" -i https://mirrors.aliyun.com/pypi/simple/

说明： qfluentwidgets 是 PySide6 的现代化 UI 组件库。

2.3 安装注意事项

⚠️ 重要提示

1. 缓存清理： 安装包时如果意外关闭程序，再次安装前一定要清除缓存：

   conda clean --all
   

2. 版本兼容性： 安装 torchvision 最好与 pytorch 一起安装，因为有严格的版本对应要求

3. 镜像源选择： 国内用户建议使用清华镜像源或阿里云镜像源，下载速度更快

4. 环境隔离： 建议为不同项目创建独立的虚拟环境，避免包版本冲突

---

3. 故障排除

3.1 常见错误及解决方案

问题一：Conda 插件错误

错误信息：

An unexpected error has occurred. Conda has prepared the above report.
If you suspect this error is being caused by a malfunctioning plugin,
consider using the --no-plugins option to turn off plugins.

解决方案： 检查 C:\Users\用户名\.condarc 文件书写是否出现错误

问题二：torchvision 导入错误

错误信息：

import torchvision报错，UserWarning: Failed to load image Python extension: Could not find module

产生原因： pytorch 与 torchvision 版本不对应

解决方案： 删除 torchvision 和 pytorch，再重新下载

---

4. 包安装测试

4.1 PyTorch GPU 测试

import torch

# 检查CUDA是否可用
print(f"CUDA是否可用: {torch.cuda.is_available()}")

# 返回GPU数量
print(f"GPU数量: {torch.cuda.device_count()}")

# 返回GPU名字（设备索引从0开始）
print(f"GPU名称: {torch.cuda.get_device_name(0)}")

# 返回当前设备索引
print(f"当前设备索引: {torch.cuda.current_device()}")

预期输出：

• torch.cuda.is_available() 应返回 True
• torch.cuda.device_count() 应返回 GPU 数量（如 1）
• torch.cuda.get_device_name(0) 应返回 GPU 型号名称

图 1 PyTorch GPU 测试成功运行结果示例

4.2 TensorFlow GPU 测试

import tensorflow as tf

# 查看TensorFlow版本
print(f"TensorFlow版本: {tf.__version__}")

# 查看GPU设备
print(f"GPU设备: {tf.config.list_physical_devices('GPU')}")

# 测试GPU计算
if tf.config.list_physical_devices('GPU'):
    print("GPU可用，进行测试计算...")
    a = tf.constant(2.0)
    b = tf.constant(4.0)
    result = a + b
    print(f"计算结果: {result}")
    print(f"可用GPU数量: {len(tf.config.list_physical_devices('GPU'))}")
else:
    print("未检测到GPU设备")

# 查看安装路径
print(f"TensorFlow安装路径: {tf.__path__}")

版本兼容性：

• numpy 版本: 1.20.3
• TensorFlow 版本: 2.6.0

---

如有问题或建议，欢迎在评论区交流讨论。