Conda 虚拟环境指南

虚拟环境是数据科学和软件开发中的一个重要概念，它允许你在隔离的环境中管理项目依赖项。这意味着不同项目可以使用不同版本的库，而不会相互冲突。Conda 是一个开源的包管理系统和环境管理系统，它不仅可以管理 Python 包，还可以管理其他语言的包。

为什么使用虚拟环境？

隔离性： 每个项目都有自己独立的依赖项集合，避免不同项目之间库版本冲突
可重复性： 你可以轻松地共享环境配置，确保其他人在其机器上也能复现你的开发环境
干净的工作区：保持你的系统 Python 环境清洁，只安装你需要全局使用的工具

0. 前提条件

你需要安装 Miniconda 或 Anaconda。如果你还没有安装，请访问 Conda 官方网站下载并安装适合你操作系统的版本

1. 创建虚拟环境

使用 conda create 命令创建新的虚拟环境。你可以指定 Python 版本和需要预安装的包。

基本语法：

conda create -n <环境名称> python=<版本号> [包1] [包2] ...

-n 或 —name：指定环境的名称。
python=<版本号>：指定该环境使用的 Python 版本，例如 python=3.9。

示例：

创建一个名为 myenv 的环境，并指定 Python 3.9：
```
conda create -n myenv python=3.9
```
执行此命令后，Conda 会列出将要安装的包，并询问你是否继续（Proceed ([y]/n)?），输入 y 并回车即可

创建一个名为 new_env 的环境，并安装 Python 3.10 和 PyTorch：

conda create -n new_env python=3.10 pytorch torchvision torchaudio cpuonly -c pytorch

-c pytorch：指定从 PyTorch 官方 channel 安装包，通常用于获取最新的或特定的深度学习库版本

2. 激活虚拟环境

使用虚拟环境之前，必须先激活它。激活后，你在该终端会话中运行的所有命令都将在该环境中执行。

语法：

conda activate <环境名称>

示例：

conda activate myenv

激活成功标志： 激活后，终端提示符前会显示环境名称，例如：

(myenv) C:\Users\YourUser>

或者在 Git Bash 中：

(myenv) Alen@Alen MINGW64 /d/Coding/GitHub_Resuorse (main)

3. 停用虚拟环境

当你完成在虚拟环境中的工作后，可以使用 conda deactivate 命令退出当前环境

语法：

conda deactivate

示例：

(myenv) C:\Users\YourUser>conda deactivate
C:\Users\YourUser>

4. 管理虚拟环境中的包

4.1 安装包

在激活的环境中，可以使用 conda install 或 pip install 安装包

使用 conda install (Conda 会处理依赖关系)：

(myenv) conda install numpy pandas scikit-learn

使用 pip install (如果 Conda 找不到特定包，或需要安装 PyPI 上的包)：

 (myenv) pip install some-package-from-pypi

4.2 列出已安装的包

(myenv) conda list

这将列出当前激活环境中所有已安装的包及其版本。

4.3 更新包

(myenv) conda update <包名称>

示例：

(myenv) conda update numpy

4.4 删除包

(myenv) conda remove <包名称>

示例：

(myenv) conda remove pandas

5. 查看所有虚拟环境

查看创建的所有 Conda 虚拟环境

语法：

conda env list
# 或者
conda info --envs

示例输出：

# conda environments:
#
base                     C:\Users\YourUser\miniconda3
myenv                 *  C:\Users\YourUser\miniconda3\envs\myenv
llm_v_tuber_env          C:\Users\YourUser\miniconda3\envs\llm_v_tuber_env

带 * 号的表示当前激活的环境。

6. 删除虚拟环境

如果你不再需要某个虚拟环境，可以将其删除

语法：

conda env remove -n <环境名称>
# 或者
conda remove --name <环境名称> --all

示例：

conda env remove -n myenv

Conda 会询问你是否继续，输入 y 并回车确认。

7. 导出和导入环境（环境复现）

为了让其他人或自己在其他机器上复现相同的环境，你可以将环境配置导出为 YAML 文件，然后从该文件创建环境。

7.1 导出环境

在激活你想要导出的环境后，将其导出为 environment.yml （名字可自定，但一般都这么写）件

语法：

(myenv) conda env export > environment.yml

这将生成一个名为 environment.yml 的文件，其中包含了该环境的 Python 版本、所有 Conda 和 Pip 包及其版本、以及 Conda channels 信息。

注意：这只适合同系统下的环境迁移。如果是跨系统迁移环境，例如从 Windows 迁移到 Linux，应该使用此指令：

(myenv) conda env export --from-history > environment.yml

这会只保存使用 conda 指令 conda install下的包，并且不指定特定版本，适合环境迁移。

如果本身conda 环境被污染了，例如本身创建的 conda 环境（设为 B ）使用的就是用原始环境 A 使用指令 conda env export > environment.yml 导出的包依赖，那么创建环境是会继承此依赖关系。

7.2 从文件创建/导入环境

需要复现一个环境时，可以使用导出的 environment.yml 文件来创建它

7.2.1 创建新环境

使用 environment.yml 文件的 name：字段定义新的环境名称：
```
conda env create -f environment.yml    
```
Conda 会读取 environment.yml 文件，并根据文件中的配置创建一个新的环境。新环境的名称将由 environment.yml 文件中的 name: 字段定义
自定义新的环境名称：
```
conda env create -f path/to/your/environment_to_import.yml -n llmvtuber
```
- 将 path/to/your/environment_to_import.yml 替换为 .yml 文件的实际路径
- -n llmvtuber 参数指定新创建的环境名称为 llmvtuber
- 如果 YAML 文件内部通过 name: 字段定义了环境名，并且你想使用 YAML 文件中定义的名字，可以省略 -n llmvtuber 参数

激活新环境:

conda activate <environment_name_from_yml_or_-n>

7.2.2 环境已存在，使用 yaml文件更新环境配置

如果你已经有一个名为 llmvtuber 的环境，并且希望用 YAML 文件中的配置来更新它（可能会覆盖或添加包），请执行以下操作：

激活 llmvtuber 环境：
```
conda activate llmvtuber
```
使用 conda env update 命令进行更新：
```
conda env update --name llmvtuber --file path/to/your/environment_to_import.yml --prune
```
- —name llmvtuber: 明确指定要更新的目标环境
- —file path/to/your/environment_to_import.yml: 指定用于更新的 YAML 文件
- —prune: 该选项会删除当前 llmvtuber 环境中存在、但不包含在所提供的 YAML 文件中的那些包。这有助于确保目标环境与 YAML 文件定义的配置完全一致。如果你不希望删除多余的包，可以省略此选项，Conda 将只添加或更新 YAML 文件中列出的包
等待环境配置完成
激活并验证环境
重要注意事项
1. YAML 文件内容：
  
  确保使用的 .yml 文件来源可靠，并且其内容确实是你想要复制的环境配置。可以先用文本编辑器打开 YAML 文件查看其 name, channels, 和 dependencies 部分。
2. Conda 通道：
  
  YAML 文件可能指定了特定的 Conda 下载通道。如果你的 Conda 配置中缺少这些通道，或者网络无法访问，安装某些包时可能会失败。Conda 通常会自动尝试添加 YAML 中声明的通道
3. 操作系统和架构兼容性：
  
  从不同操作系统或 CPU 架构生成的 YAML 文件在导入时可能会遇到兼容性问题，尤其是对于包含已编译代码的库。Conda 会尽力解决，但有时可能需要手动调整
4. Python 版本：YAML 文件通常会指定一个 Python 版本，Conda 会尝试安装此版本的 Python 到新环境中。
5. 覆盖风险 (使用 conda env update —prune 时)：
  
  当使用 —prune 选项更新现有环境时，请务必确认你希望用 YAML 文件的内容完全替换当前环境的配置，因为不包含在 YAML 中的包将被移除。

常用指令总结

指令	作用	示例
`conda create -n <name> python=<ver>`	创建新的虚拟环境，指定 Python 版本	conda create -n myenv python=3.9
`conda activate <name>`	激活指定虚拟环境	conda activate myenv
`conda deactivate`	停用当前虚拟环境	conda deactivate
`conda install <package>`	在当前激活环境中安装包	conda install numpy
`pip install <package>`	在当前激活环境中安装 PyPI 上的包	pip install requests
`conda list`	列出当前激活环境中所有已安装的包	conda list
`conda update <package>`	更新当前激活环境中的包	conda update pandas
`conda remove <package>`	删除当前激活环境中的包	conda remove scipy
`conda env list / conda info --envs`	列出所有 Conda 虚拟环境	conda env list
`conda env remove -n <name>`	删除指定的虚拟环境	conda env remove -n myenv
`conda env export > environment.yml`	导出当前激活环境的配置到 YAML 文件	conda env export > env.yml
`conda env create -f environment.yml`	从 YAML 文件创建环境	conda env create -f env.yml

Conda环境配置指南

Conda 虚拟环境指南

为什么使用虚拟环境？

0. 前提条件

1. 创建虚拟环境

2. 激活虚拟环境

3. 停用虚拟环境

4. 管理虚拟环境中的包

4.1 安装包

4.2 列出已安装的包

4.3 更新包

4.4 删除包

5. 查看所有虚拟环境

6. 删除虚拟环境

7. 导出和导入环境（环境复现）

7.1 导出环境

7.2 从文件创建/导入环境

7.2.1 创建新环境

7.2.2 环境已存在，使用 yaml文件更新环境配置

常用指令总结