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。 由于不同的项目需要用不同的python版本,于是使用Anaconda来进行版本管理,现记录一下经验: 在Anaconda官网下载并安装好Anaconda以后(非常简单,此处不赘述): 1. 查看Python环境 conda info --env可以看到所有python环境,前面有个‘*’的代表当前环境: 2.创建Python环境 conda create --name python35 python=3.5 代表创建一个python3.5的环境,我们把它命名为python35 安装成功后的消息: 现在我们再用conda info --env看看环境: 出现了,创建成功了,没毛病。 3.管理和使用python环境 使用conda activate python35 来激活刚才创建的环境: 尝试使用pip install numpy来给这个环境安装一个常用的包: 当然也可以用conda install numpy来安装,但是会同时安装很多相关的包,在此就不演示了。 在简单的熟悉了以后,就会发现用anaconda来进行python环境的控制真的是非常方便,其实anaconda环境是有物理路径的,如下,你会发现这和我们之前conda info --env的list是一样的: 之后我们删除python35 : conda remove -n python35 --all 再看文件夹,果然已经被删除了:
conda 查看现有虚拟环境 - 删除现有虚拟环境 PyTorch,PT TensorFlow,TF Python, PY 1. Viewing a list of your environments (查看现有虚拟环境) To see a list of all of your environments, in your terminal window or an Anaconda Prompt, run: conda info --envs OR conda env list A list sim 转载: https://blog.csdn.net/suiyueruge1314/article/details/89472914 (补充: 1、创建虚拟环境: Anaconda创建环境:
2、删除虚拟环境操作:(谨慎操作)
3、激活环境
如果发现进不去,那么 先: 再:
4、查看环境下已有的安装包:
效果如下 在进入虚拟环境的情况下, 安装对应包 直接
如:
5、退出当前虚拟环境:
补充:Linux下查看已有虚拟环境:
提醒:有时候遇到过几次异常,所以开启完虚拟环境后最好使用命令
判断编译器位置最为稳妥(nlp是虚拟环境名),有一个 如果发现没有在 anaconda/envs 的虚拟环境(nlp) 下,则多次使用
先退出当前环境,然后再重新使用 6、重命名环境 如,将
删除原环境 |