超详细版Anaconda的安装及使用conda创建、运行虚拟环境以及使用镜像源

置顶 已于 2024-04-16 11:30:46 修改
阅读量10w+ 收藏 1k
点赞数 300
文章标签： conda python pip
于 2024-04-04 23:22:33 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/weixin_73800108/article/details/137296446
版权
本文详细介绍了如何下载并安装Anaconda，创建、激活和管理虚拟环境，包括安装库和配置镜像源以提高下载速度。同时涵盖了conda的基本使用指令，如环境切换、重命名、查找、列表和删除等。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

目录


Anaconda是机器学习中常用的工具，使用它可以为你配置若干多个独立的虚拟环境来运行相应的程序，满足每个程序运行的不同需求。

1.下载并安装Anaconda

1.1下载Anaconda

1.方法一：进入官网下载（https://www.anaconda.com/download）
直接点击下载即可，但是由于是国外网址，可能会下载速度很慢，推荐使用方法二

在这里插入图片描述
方法二：使用清华镜像站下载（https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/?C=M&O=D），下载速度要快很多。
选择最新版本的，自己系统的版本下载即可，Windows系统就选择如图所示即可。
![在这里插入图片描述](https://img-blog.csdnimg.cn/direct/9e2698baa26a4d04a42959fde66cc403.png

1.2安装conda

1.下载好后双击图标打开
在这里插入图片描述
2.下一步
在这里插入图片描述
在这里插入图片描述

3.这里选择Just Me,然后next

在这里插入图片描述

4.conda会比较占硬盘，不要在c盘里安装，自己在其他盘中建立一个anaconda文件夹，安装在其中
在这里插入图片描述
5.这里全选上，然后开始安装，第二项是可以帮你自动配置环境变量，不然之后再配置很麻烦的，不会出什么问题。
在这里插入图片描述

6.等待安装过程
最后将这两个都取消了，完成安装
在这里插入图片描述
7.点击主菜单选着所有应用

8.找到Anaconda3（64-bit）文件夹打开，然后点击所示图标打开，即可进入anaconda主界面了，即为安装成功
在这里插入图片描述

在这里插入图片描述

1.3确定conda环境配置以及问题解决

不需要使用Anaconda程序界面运行，在命令提示符中运行更便捷
1.按下win+R键，输入cmd进入
在这里插入图片描述
2.输入conda --version显示出conda版本号即表示conda安装完成且环境变量配置没问题,可以直接跳转到下面创建虚拟环境的步骤了
在这里插入图片描述
若返回的是说conda不是系统命令之类的，说明conda的环境变量没有配置好，不用担心，如下图在菜单中打开所示图标，即可进入Anaconda的根环境，在此环境中完成后续代码也可以创建使用虚拟环境。
此时如果还想要直接在cmd中就可以使用conda，可以去学习一下conda系统环境变量的配置，配置好了以后可以在cmd中直接使用非常方便。或者按我上述所讲的安装方法重装,默认是会配置好的。
在这里插入图片描述
在这里插入图片描述

2.使用conda创建虚拟环境

2.1虚拟环境的创建

输入此条指令创建conda虚拟环境,可以自己更改名称和python版本
conda create -n 自己输入名称 python=版本号
如下所示,我示例创建名为text的环境

conda create -n text python=3.8

在这里插入图片描述
点击回车,或者输入y再点回车即可
在这里插入图片描述
等待下载相关文件在这里插入图片描述
此时表示conda环境以创建完成
在这里插入图片描述

2.2激活虚拟环境

输入下行代码激活刚才创建的环境,主要名称要与之前创建时设置的名称相应
conda activate 名称
例如我们输入conda activate text激活环境
在这里插入图片描述
注意,这里运行后,左边括号里变成你虚拟变量的名称,即为进入此环境了,之后你输入的所有命令都是在此环境中执行的。
若你退出cmd，下次进入时不需要再创建，只要重新激活此环境就行。

2.3使用虚拟环境打开python文件

若要使用conda环境运行python文件,首先要先转到该文件的目录下,有两种方法,第二种比较简单方便

方法一:
使用cd指令,如我想要运行的python文件在此目录下,我复制此目录(ctrl+C)然后在cmd中输入cd 目录位置
即可转换到此目录下
在这里插入图片描述

在这里插入图片描述
方法二:
直接在此目录中输入cmd然后回车,然后弹出的命令符就是直接转至这个位置之中.
在这里插入图片描述

随后我们还要在输入 conda activate 名称打开虚拟环境,记住每次打开cmd都要输入打开这个哦.
在这里插入图片描述

然后我们输入python 文件名称就可以运行python文件了,注意python文件是.py结尾的后缀.

如图中我们运行了image.py的文件,但是出现了缺少库的错误,我们随后来教大家下载库
在这里插入图片描述

3.在虚拟环境中安装库以及配置镜像源

3.1在虚拟环境中安装库

在虚拟环境中输入pip install 库名即可在此环境中

如图我们安装minpy库,最后出现successfully就是安装成功.
在这里插入图片描述

3.2配置镜像源

如果用pip安装库的过程中,下载速度特别慢停滞不动,或者出现红色报错,大家可以配置镜像源,能使下载速度快很多.

选择一种直接复制整条代码ctrl+V到cmd中即可,然后再运行pip安装指令速度就很快了.

1.清华大学镜像源

conda config --add channels  https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
conda config --add channels  https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free
conda config --add channels  https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r
conda config --add channels  https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/pro
conda config --add channels  https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2

2.中科大源

conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/main/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/conda-forge/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/msys2/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/bioconda/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/menpo/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/

3.临时使用某个源(只用于此条代码)

在pip install --- 之后加上这些代码即可(分别为中科大源、清华源)

-i https://pypi.mirrors.ustc.edu.cn/simple/
-i https://pypi.tuna.tsinghua.edu.cn/simple

3.3镜像源的其他指令

1.查看已添加的镜像

conda config --show channels

显示出的这几条就是你现在所使用的镜像

在这里插入图片描述

2.删除镜像

输入此条指令即可删除所有镜像源,在有时候镜像源出现问题报错时可以删除掉,或者换成其他源.

conda config --remove-key channels

在这里插入图片描述

4.conda的一些使用指令

4.1退出虚拟环境

输入conda deactivate当左边的小括号没有了，即为退出此环境了
在这里插入图片描述

4.2环境重命名

conda rename -n text text1
前一个text为旧名字,后一个text为新名字,注意要在base环境中运行此代码,更名后按新名字启动环境
在这里插入图片描述

4.3查找所有创建过的环境

输入此代码可查找到你创建过的所有环境

conda env list

下面列出两项为所有的环境,带*的为当前所属环境
在这里插入图片描述

4.4查看当前环境下安装的包

conda list
或
conda list  -n  名称

在这里插入图片描述

4.5删除环境

删除虚拟环境

conda remove -n 名称 --all 
或
conda env remove --name 名称

在这里插入图片描述

Anaconda详细安装及使用教程（带图文）
代码帮
08-15 184万+
Anacond的介绍 Anaconda指的是一个开源的Python发行版本，其包含了conda、Python等180多个科学包及其依赖项。因为包含了大量的科学包，Anaconda的下载文件比较大（约531 MB），如果只需要某些包，或者需要节省带宽或存储空间，也可以使用Miniconda这个较小的发行版（仅包含conda和Python）。 Conda是一个开源的包、环境管理器，可以用于...
Anaconda的安装与Conda创建虚拟环境的解决
A_country_mile的博客
09-03 4201
在成功安装Anaconda后，在cmd中执行了conda create -n fpga-ai python=3.8.8，并没有创建成功。在网上搜了好久都没有解决，决定记录一下我的步骤。
Anaconda的安装与虚拟环境建立
12-16
电脑配置：Windows10，64位操作系统 一、Anaconda的介绍 Anaconda指的是一个开源的Python发行版本，其包含了conda、Python等180多个科学包及其依赖项。 因为包含了大量的科学包，Anaconda 的下载文件比较大。 Conda是一个开源的包、环境管理器，可以用于在同一个机器上安装不同版本的软件包及其依赖，并能够在不同的环境之间切换。 Anaconda包括Conda、Python以及一大堆安装好的工具包，比如：numpy、pandas等。 Anaconda对于python初学者而言及其友好，相比单独安装python主程序，选择Anaconda可以帮助省去很多
【Anaconda安装与使用教程】跨平台Anaconda安装、虚拟环境管理及镜像源配置详解：从入门到实践的操作指南
最新发布
05-19
内容概要：本文提供了关于Anaconda安装、虚拟环境管理与基础使用的超详细教程，整合了多篇权威资源，适用于Windows、macOS和Linux系统。首先介绍Anaconda的下载途径（官网、国内镜像）和安装步骤，包括环境变量的配置及验证安装的方法。接着阐述了虚拟环境的创建、激活、查看、退出和删除操作，还特别提到修改默认环境路径以避免占用C盘的方法。第三部分讲解了如何配置国内镜像源以加速下载，包括conda和pip的镜像设置。最后探讨了一些常见问题与进阶操作，如环境变量配置失败的解决办法、PyCharm集成Anaconda、安装深度学习框架以及版本兼容性问题，还简单介绍了卸载Anaconda的步骤。; 适合人群：需要安装和使用Anaconda进行数据分析、机器学习等工作的初学者或有一定经验的开发者。; 使用场景及目标：①帮助用户快速掌握Anaconda的安装和配置；②学会创建和管理虚拟环境，确保项目之间的独立性和稳定性；③利用国内镜像源加速软件包的下载；④解决常见问题，提高工作效率。; 阅读建议：此教程内容详尽，操作性强，在阅读过程中应按照步骤实际操作，遇到问题可以反复查阅相关章节，并结合官方文档和其他资料加深理解。
使用 Conda 创建新环境
2501_91537435的博客
04-23 2087
通过 Conda 创建和管理环境非常简单且高效。创建环境激活环境导出环境配置删除环境通过合理使用 Conda 的环境管理功能，可以显著提高开发效率并避免依赖冲突问题。希望这篇文章对你有所帮助！
anaconda创建虚拟环境
qq_52159533的博客
04-11 1244
python pycharm anaconda的配置
Anaconda创建虚拟环境
qq_45906101的博客
05-20 3704
【代码】Anaconda创建虚拟环境。
（四）Anaconda创建虚拟环境
qq_48545380的博客
10-09 1672
Win11搭建深度学习环境-Anaconda创建虚拟环境
Ubuntu anaconda 换源
qq_44876051的博客
02-26 1万+
vim使用命令 i 插入模式 ：wq 保存并推出 anaconda 换源 vim ~/.condarc channels: - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/ - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/ - https://mi...
Anaconda创建虚拟环境并配置镜像源
qq_44791003的博客
09-03 3701
使用anaconda创建虚拟环境并配置镜像源
使用anaconda创建虚拟环境
Jieyi_的博客
07-12 1001
自己记录
Onstie-Parking环境配置 下载并安装 Anaconda，创建、激活和管理虚拟环境 在Anaconda中使用py3.6.8
01-03
本文详细介绍如何在Onstie_Parking环境下下载、安装Anaconda，并创建、激活以及管理虚拟环境。此外，还阐述了在Anaconda环境中使用Python 3.6.8的方法。下面将针对这些步骤展开详细说明，涵盖环境配置、软件下载安装...
【Python】conda环境创建、镜像配置、常用命令、Jupyter安装、Pycharm配置conda环境【超详细】
weixin_43584285的博客
07-06 5000
详细介绍了如何利用Conda建立Python环境，配置镜像加速，常用命令操作，安装Jupyter Notebook，并在PyCharm中配置Conda环境。通过这些步骤，您将能够快速搭建和管理适用于深度学习开发的环境。
Anaconda 更换镜像源、创建虚拟环境并安装 PyTorch_anaconda更换镜像源
2401_84573079的博客
04-26 1904
如下图所示，我们使用 PyTorch 训练深度学习模型的时候，首先调用的是 PyTorch 提供的 API，然后又去调用 CUDA Runtime API，接着又去调用底层的 CUDA Driver API，从而利用显卡完成复杂的计算。这是我花了几天的时间去把Python所有方向的技术点做的整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照上面的知识点去找对应的学习资源，保证自己学得较为全面。，比如我想安装的是 PyTorch1.12.1，其对应的 Python 版本要求为 3.7 ~ 3.10。
最新最全（亲测）的conda安装教程和虚拟环境安装环境配置
热门推荐
wh0605的博客
10-16 2万+
有两种下载方式一是官网下载，二是镜像下载。官网下载太慢一般都是用镜像下载选择对应版本下载即可。
【conda】安装使用 常用命令
不积跬步无以至千里，不积小流无以成江海。一个喜欢学习分享的程序员
10-10 3044
Conda 是一个非常强大的工具，它简化了Python包和环境的管理过程，使得用户能够更专注于项目的开发和实现。无论是对于初学者还是对于经验丰富的开发者来说，Conda都是一个非常有用的工具。
Conda安装和使用(ubuntu,mac,windows)
allnlei的专栏
09-14 1万+
Conda 是一个强大的工具，能够帮助开发者轻松管理不同的项目环境和依赖。通过合理使用 Conda，您可以避免环境冲突，提高开发效率。是一个跨平台的开源包管理器和环境管理器，最初由 Anaconda 开发，广泛用于数据科学、机器学习和科学计算等领域。这将涵盖从安装到基本操作的各个方面，帮助您高效地管理Python环境和依赖项。创建一个新的 Conda 环境，并指定 Python 版本。假设你需要一个专用于机器学习的环境，Python 3.9，安装。，这是一个社区驱动的、高质量的 Conda 包集合。
anaconda创建新的虚拟环境
qq_44665922的博客
07-18 1131
复现代码很遭罪，涉及不同版本的python，不同版本的库。本人电脑已有python3.8与python3.9，下面以安装python3.7的虚拟环境为例。
二维数组取地址
03-24
### 如何在C/C++/Python中获取二维数组的内存地址 #### 在C/C++中获取二维数组的内存地址 在C/C++中，可以通过取址运算符`&`来获取二维数组首元素的内存地址。对于静态分配的二维数组，可以直接使用其名称作为基址指针[^1]。 例如，在C++中创建并访问一个静态二维数组的地址： ```cpp #include <iostream> int main() { int array[3][4]; // 创建一个3x4的静态二维数组 std::cout << "Address of the first element: " << &array[0][0] << std::endl; return 0; } ``` 如果是一个动态分配的二维数组，则需要通过指向指针的方式获取地址。以下是动态分配的例子： ```cpp #include <iostream> int main() { const int rows = 3, cols = 4; int** dynamicArray = new int*[rows]; for (int i = 0; i < rows; ++i) { dynamicArray[i] = new int[cols]{}; } std::cout << "Base address of the dynamically allocated array: " << dynamicArray << std::endl; for (int i = 0; i < rows; ++i) { delete[] dynamicArray[i]; } delete[] dynamicArray; return 0; } ``` 上述代码展示了如何动态分配二维数组以及打印其基础地址。 #### 在Python中获取二维数组的内存地址 Python本身不直接提供操作底层内存的功能，但如果使用`ctypes`模块或者调用外部C/C++函数时，可以间接获得对象的内存地址。例如，当使用`numpy`创建多维数组时，可以通过`.data`属性找到数据缓冲区的位置[^4]。 下面展示了一个例子，说明如何查看NumPy数组的数据起始位置： ```python import numpy as np mat = np.zeros((3, 4)) print(f"The memory address where data starts is {mat.__array_interface__['data'][0]}") ``` 另外，借助于`id()`内置函数也可以返回任意变量所对应的唯一标识号（通常为该实例的实际存储地址），但这仅限解释器内部表示，并不一定反映真实的物理RAM布局[^2]。 #### 使用Cytpes从Python调用C/C++中的二维数组 为了更深入地控制跨语言间的交互过程，有时会采用扩展方式将复杂的计算卸载到高效编写的原生代码上执行。比如前面提到过的案例里就涉及到了一种典型做法——即把整个结构体连同嵌套其中的大规模数值型成员传递给宿主脚本解析处理[^3]。 具体实现如下所示： ##### C++部分 ```cpp // example.cpp typedef struct Config{ double matrixData[80][1100]; // 假设这里是我们关心的目标区域 }Config,*PConfig; extern "C" PConfig getMatrix(){ static Config conf; // 初始化逻辑... return &conf; } ``` ##### Python部分 ```python from ctypes import * lib = CDLL('./example.so') # 加载共享库 result_ptr = lib.getMatrix() class MatrixStruct(Structure): _fields_ = [("matrixData", c_double * 80 * 1100)] struct_instance = cast(result_ptr, POINTER(MatrixStruct)).contents first_element_address = addressof(struct_instance.matrixData.contents) print(hex(first_element_address)) ``` 此片段演示了怎样封装好接口之后再暴露出来供其他平台消费的过程。 ---
评论 20
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值