虚拟环境 订阅
“虚拟环境”来源于ShadoWin虚拟软件所实现的功能。ShadoWin 的工作原理是以专利的实时动态程序行为修饰与模拟算法,直接利用本机的 OS,模拟出自带与本机相容 OS 的虚拟机(Vista下可模拟Vista、XP,Windows 7下则可模拟Windows 7、Vista、XP),也称为“虚拟环境”。 展开全文
“虚拟环境”来源于ShadoWin虚拟软件所实现的功能。ShadoWin 的工作原理是以专利的实时动态程序行为修饰与模拟算法,直接利用本机的 OS,模拟出自带与本机相容 OS 的虚拟机(Vista下可模拟Vista、XP,Windows 7下则可模拟Windows 7、Vista、XP),也称为“虚拟环境”。
信息
来源于
ShadoWin虚拟软件所实现的功能
模拟出
自带与本机相容 OS 的虚拟机
外文名
virtual environment
原理是
以专利的实时动态程序行为修饰
中文名
虚拟环境
虚拟环境定义
“虚拟环境”来源于ShadoWin虚拟软件所实现的功能。ShadoWin 的工作原理是以专利的实时动态程序 [1]  行为修饰与模拟算法,直接利用本机的 OS,模拟出自带与本机相容 OS 的虚拟机(Vista下可模拟Vista、XP,Windows 7下则可模拟Windows 7、Vista、XP),也称为“虚拟环境”。 [2] 
收起全文
精华内容
下载资源
问答
  • 参考自解决ubuntu16.04 无法使用python 建立虚拟环境(venv或virtualenv)的问题 问题:使用python3.8解释器,调用venv模块建立虚拟环境 前提是确保安装了python3.8,如果调用"python3.8 -m venv name_venv"出错...

    List of interpreters

    注:VScode当前工作空间下的虚拟环境,比如上图的'env':venv,一定要等VScode选择解释器的下拉栏中出现确定的路径时选择之,而不是在资源管理器或Finder中指定虚拟环境的解释器venv_name/bin/python,后者的解释器是指向建立虚拟环境时("python -m venv -n venv_name")所用系统或conda的解释器的符号链接,选择符号链接本质上还是选择了系统或conda的解释器,那样的话当前工作空间下的虚拟环境的site-package不会被加到sys.path中,虚拟空间不参与系统或conda的环境。

    参考自解决ubuntu16.04 无法使用python 建立虚拟环境(venv或virtualenv)的问题

            使用python3.8解释器,调用venv模块建立虚拟环境

            前提是安装了python3.8,如果调用"python3.8 -m venv name_venv"出错提示"Error: Command '['/home/haypin/PycharmProjects/learning_log/venv_3.8/bin/python3.8', '-Im', 'ensurepip', '--upgrade', '--default-pip']' returned non-zero exit status 1.",则可能是安装python3.8时没有安装匹配版本的venv包,sudo apt install python3.8-venv安装python3.8的venv包就好了,然后使用使用python3.8解释器调用venv模块建立虚拟环境的命令是python3.8 -m venv name_venv,

            关于虚拟环境,其实虚拟环境中提供的python命令与python3命令的可执行文件都是指向建立该虚拟环境时使用的python解释器的可执行文件的软链接,如下图我用python3.8 -m venv venv_3.8建立的虚拟环境venv_3.8分别提供了指向/usr/bin/python3.8的软链接pythonpython3,所以虚拟环境的意义还是为使用该虚拟环境的项目提供独立的包,也就是独立的环境,而不是将包下载安装到python解释器安装时的包目录(~/.local/lib/python3.6/site-packages/),那样就不符合为项目所在目录封装独立的环境了。

            虚拟环境直接提供了pip包管理器的可执行文件,从而可以像"pip3 install requests"这样直接执行执行pip3而不用"python3.8 -m pip install package_hame"这样的长命令。

    补充1:

    在python×.×解释器程序的man手册中介绍了"python3.8 -m module-name argutuments"——运行指定模块的main函数并提供参数的用法,提到"python解释器程序将从sys.path中查找命名的模块,并像一个脚本一样运行对应的.py文件",说明sys.path指示python解释器程序导包的路径。

    关于"虚拟环境为使用该虚拟的项目提供独立的包",有更直观的体现就是虚拟环境中运行python解释器程序与不在虚拟环境中运行解释器程序时的导包路径变量sys.path发生了改变:

    在进入由python3.8解释器程序建立的虚拟环境venv_3.8后,将导包路径sys.path中'/usr/local/lib/python3.8/dist-packages'与'/usr/lib/python3/dist-packages'替换成了虚拟环境的包目录的'/home/haypin/PycharmProjects/learning_log/venv_3.8/lib/python3.8/site-packages',这至少说明了虚拟环境中的项目将从其*/venv/lib/python×.×/site-packages包目录中导包。

    补充2:

    另外,虚拟环境下可执行文件的搜索路径$PATH最前面的目录也相应地修改为*/venv/bin/了,将首先查找虚拟环境的命令:

    补充3:

    在VScode官网文档中解释了python环境:

    https://code.visualstudio.com/docs/python/environments

    Python的一个环境是python程序运行的上下文(解释器路径、包查找路径、-m pip install 安装路径、环境变量等)

    Global and virtual environments#

    By default, any Python interpreter that you've installed runs in its own global environment, which is not specific to any one project. For example, if you just run python (Windows) or python3 (macOS/Linux) at a new command prompt, you're running in that interpreter's global environment. Accordingly, any packages that you install or uninstall affect the global environment and all programs that you run within that context.

    Although working in the global environment is an easy way to get started, that environment will, over time, become cluttered with many different packages that you've installed for different projects. Such clutter makes it difficult to thoroughly test an application against a specific set of packages with known versions, which is exactly the kind of environment you'd set up on a build server or web server.

    For this reason, developers often create a virtual environment for a project. A virtual environment is a subfolder in a project that contains a copy of a specific interpreter. When you activate the virtual environment, any packages you install are installed only in that environment's subfolder. When you then run a Python program within that environment, you know that it's running against only those specific packages. Be aware that if you're not using a virtual environment, and you have multiple versions of Python installed and set in the path environment variable, you might need to specify the Python interpreter to use in the terminal for installing packages to the global environment.

    Note: While it's possible to open a virtual environment folder as a workspace, doing so is not recommended and might cause issues with using the Python extension.

    Conda environments#

    A conda environment is a Python environment that's managed using the conda package manager (see Getting started with conda (conda.io)). Conda works well to create environments with interrelated dependencies as well as binary packages. Unlike virtual environments, which are scoped to a project, conda environments are available globally on any given computer. This availability makes it easy to configure several distinct conda environments and then choose the appropriate one for any given project.

    conda环境是使用conda包管理器的Python环境。Conda能很好地创建相关关联的依赖项以及二进制包的环境。与仅限于项目的venv虚拟环境不同,conda环境可在任何给定计算机上全局使用。这种可用性使配置多个不同的conda环境变得容易,然后为任何给定项目选择合适的环境。

     haypin@HaypinsMBP  ~/.local/bin  conda env list
    # conda environments:
    #
    base                  *  /Users/haypin/miniconda3
    Py3.9.5                  /Users/haypin/miniconda3/envs/Py3.9.5
    
     haypin@HaypinsMBP  ~/.local/bin  cd ~/miniconda3/envs
     haypin@HaypinsMBP  ~/miniconda3/envs  ls
    Py3.9.5
     haypin@HaypinsMBP  ~/miniconda3/envs 

    系统全局安装的解释器及其环境,只要可执行程序被加到PATH环境变量,则在系统全局可使用。conda环境需要conda activate env-name激活后可在系统全局使用,包路径就是创建的conda环境的site-packages,而虚拟环境需要source venv-dir/bin/activate激活后可在系统全局使用,包路径就是虚拟环境的site-packages,但一般都将虚拟环境放到项目的目录树下只在该项目中激活其虚拟环境。

    (venv_mac)  haypin@HaypinsMBP  ~/catkin_ws/src/lift_strategy   fat ±  tree venv_mac
    venv_mac
    ├── bin
    │   ├── Activate.ps1
    │   ├── activate
    │   ├── activate.csh
    │   ├── activate.fish
    │   ├── automat-visualize
    │   ├── cftp
    │   ├── chardetect
    │   ├── ckeygen
    │   ├── conch
    │   ├── flask
    │   ├── hypercorn
    │   ├── mailmail
    │   ├── pip
    │   ├── pip3
    │   ├── pip3.9
    │   ├── pyhtmlizer
    │   ├── python -> python3.9
    │   ├── python3 -> python3.9
    │   ├── python3.9 -> /Users/haypin/miniconda3/envs/Py3.9.5/bin/python3.9
    │   ├── quart
    │   ├── sqlformat
    │   ├── tkconch
    │   ├── trial
    │   ├── twist
    │   └── twistd
    ├── include
    │   └── site
    │       └── python3.9
    │           └── greenlet
    │               └── greenlet.h
    ├── lib
    │   └── python3.9
    │       └── site-packages
    │           ├── Automat-20.2.0.dist-info
    │           │   ├── INSTALLER
    │           │   ├── LICENSE
    │           │   ├── METADATA
    │           │   ├── RECORD
    │           │   ├── REQUESTED
    │           │   ├── WHEEL
    │           │   ├── entry_points.txt
    │           │   └── top_level.txt
    │           ├── Flask-1.1.2.dist-info

    Python官网有解释虚拟环境:

    https://docs.python.org/zh-cn/3/tutorial/venv.html

    https://docs.python.org/3/library/venv.html

    以及Python官网对安装模块的介绍都鼓励使用虚拟环境:

    https://packaging.python.org/tutorials/installing-packages/

    venv模块支持创建带有自己的本地目录的轻量级的虚拟环境,可选地,与系统目录隔离。没个虚拟环境有其自己的Python二进制可执行文件(与创建该虚拟环境时使用的版本的python二进制可执行文件相匹配),并且可以在其本地目录中存储其自己的、独立的、安装的Python包集合

    可以通过执行venv包命令创建虚拟环境:

    python3 -m venv /path/to/new/virtual/environment

    运行该命令将创建目标目录(如果父目录不存在则创建父目录-p)并在其中放置pyvenv.cfg文件,其中有指向Python安装的home键,命令从该Python可执行程序运行。虚拟环境的常见目标目录是.venv。也会创建一个bin(在Windows下是Scripts)子目录包含Python二进制可执行文件的拷贝或符号链接(视平台或创建虚拟环境时使用的参数而定):

    (Py3.9.5)  haypin@HaypinsMBP  ~/miniconda3/envs/Py3.9.5/bin  ll
    total 15208
    -rwxr-xr-x  1 root  staff   259B  7 11 18:35 pip
    -rwxr-xr-x  1 root  staff   259B  7 11 18:35 pip3
    lrwxr-xr-x  1 root  staff     8B  7 11 18:35 pydoc -> pydoc3.9
    lrwxr-xr-x  1 root  staff     8B  7 11 18:35 pydoc3 -> pydoc3.9
    -rwxrwxr-x  1 root  staff   111B  7 11 18:35 pydoc3.9
    lrwxr-xr-x  1 root  staff     9B  7 11 18:35 python -> python3.9
    lrwxr-xr-x  1 root  staff     9B  7 11 18:35 python3 -> python3.9
    lrwxr-xr-x  1 root  staff    16B  7 11 18:35 python3-config -> python3.9-config
    -rwxrwxr-x  1 root  staff   4.4M  7 11 18:35 python3.9

    也会创建一个初始为空的lib/pythonX.Y/site-packages子目录(在Windows下是Lib\site-packages)。如果指定了一个已存在的目录,它将被重用。

    (Py3.9.5)  haypin@HaypinsMBP  ~/PycProj/untitled/venv/lib/python3.8/site-packages  ll
    total 16
    drwxr-xr-x   3 haypin  staff    96B  9 30  2020 __pycache__
    drwxr-xr-x   5 haypin  staff   160B  9 30  2020 _distutils_hack
    -rw-r--r--   1 haypin  staff   152B  9 30  2020 distutils-precedence.pth
    -rw-r--r--   1 haypin  staff   126B  9 30  2020 easy_install.py
    drwxr-xr-x   7 haypin  staff   224B  9 30  2020 pip
    drwxr-xr-x   9 haypin  staff   288B  9 30  2020 pip-20.2.3.dist-info
    drwxr-xr-x   6 haypin  staff   192B  9 30  2020 pkg_resources
    drwxr-xr-x  41 haypin  staff   1.3K  9 30  2020 setuptools
    drwxr-xr-x  11 haypin  staff   352B  9 30  2020 setuptools-50.3.0.dist-info

    Python应用程序通常会使用不在标准库内的软件包和模块。应用程序有时需要特定版本的库,因为应用程序可能需要修复特定的错误,或者可以使用库的过时版本的接口编写应用程序。

    这意味着一个Python安装可能无法满足每个应用程序的要求。如果应用程序A需要特定模块的1.0版本但应用程序B需要2.0版本,则需求存在冲突,安装版本1.0或2.0将导致某一个应用程序无法运行。

    这个问题的解决方案是创建一个 virtual environment,就是一个目录树,其中安装有特定Python版本(允许链接到其他Python解释器应用程序),以及许多其他包。

    用于创建和管理虚拟环境的模块称为 venvvenv 通常会安装你可用的最新版本的 Python。如果您的系统上有多个版本的 Python,您可以通过运行 python3 或您想要的任何版本来选择特定的Python版本。

    1、要创建虚拟环境,请确定要放置它的目录,并将 venv 模块作为脚本运行目录路径,venv在Python3.3及以后版本默认自带。并且将安装pip和setuptools到创建的虚拟环境。

    python3 -m venv <DIR># 这通常将在虚拟环境的bin子目录下建立一个指向特定版本Python解释器(python3.exe)的软连接
    source <DIR>/bin/activate  

    2、也可以使用conda(miniconda3、anaconda3)应用程序创建虚拟环境,与python -m venv 命令创建的虚拟环境目录结构一样,并且conda可以创建尚未在系统安装的Python版本的虚拟环境

    参见:https://blog.csdn.net/HayPinF/article/details/118732101

    3、virtualenv,默认总是将pip,setuptools和wheel安装到创建的虚拟环境。

    python3 -m virtualenv <DIR>
    source <DIR>/bin/activate

    source命令保证虚拟环境的环境变量被设置在当前shell中,而不是source命令执行的自进程中(这将随source命令结束而消失)。

    直接管理多个虚拟环境是乏味的,so the dependency management tutorial introduces a higher level tool, Pipenv, that automatically manages a separate virtual environment for each project and application that you work on.

    venv_dir

    |__bin

            |_activate

            |_activate.csh

            |_activate.fish

            |_python3.9

    |__include

    |__lib

    |__pyvenv.cfg

    如果 tutorial-env 目录不存在,它将为你创建一个,并在其中创建包含Python解释器标准库各种支持文件的副本的目录。

    虚拟环境的常用目录位置是 .venv。 这个名称通常会令该目录在你的终端中保持隐藏,从而避免需要对所在目录进行额外解释的一般名称。 它还能防止与某些工具所支持的 .env 环境变量定义文件发生冲突。

    创建虚拟环境后,您可以激活它。

    在Windows上,运行:

    tutorial-env\Scripts\activate.bat
    

    在Unix或MacOS上,运行:

    source tutorial-env/bin/activate
    

    (这个脚本是为bash shell编写的。如果你使用 csh 或 fish shell,你应该改用 activate.csh 或 activate.fish 脚本。)

    激活虚拟环境将改变你所用终端的提示符,以显示你正在使用的虚拟环境,并修改环境以使 python 命令所运行的将是已安装的特定 Python 版本(创建虚拟环境时所用的Python版本)。 例如:

    $ source ~/envs/tutorial-env/bin/activate
    (tutorial-env) $ python
    Python 3.5.1 (default, May  6 2016, 10:59:36)
      ...
    >>> import sys
    >>> sys.path
    ['', '/usr/local/lib/python35.zip', ...,
    '~/envs/tutorial-env/lib/python3.5/site-packages']
    >>>
    展开全文
  • conda 查看现有虚拟环境 - 删除现有虚拟环境 PyTorch,pt TensorFlow,tf Python, py 1. 查看现有虚拟环境 conda env list (base) yongqiang@yongqiang:~$ conda env list # conda environments: # base * /home/...

    conda 查看现有虚拟环境 - 删除现有虚拟环境

    PyTorch,pt
    TensorFlow,tf
    Python, py
    

    1. 查看现有虚拟环境

    conda env list
    
    (base) yongqiang@yongqiang:~$ conda env list
    # conda environments:
    #
    base                  *  /home/yongqiang/miniconda3
    pt-1.4_py-3.6            /home/yongqiang/miniconda3/envs/pt-1.4_py-3.6
    tf_cpu_1.4.1             /home/yongqiang/miniconda3/envs/tf_cpu_1.4.1
    tf_cpu_1.4.1_py2         /home/yongqiang/miniconda3/envs/tf_cpu_1.4.1_py2
    
    (base) yongqiang@yongqiang:~$
    

    2. 删除现有虚拟环境

    conda remove -n your_env_name --all
    conda remove --name your_env_name --all
    
    (base) yongqiang@yongqiang:~$ conda env list
    # conda environments:
    #
    base                  *  /home/yongqiang/miniconda3
    pt-1.4_py-3.6            /home/yongqiang/miniconda3/envs/pt-1.4_py-3.6
    tf_cpu_1.4.1             /home/yongqiang/miniconda3/envs/tf_cpu_1.4.1
    tf_cpu_1.4.1_py2         /home/yongqiang/miniconda3/envs/tf_cpu_1.4.1_py2
    
    (base) yongqiang@yongqiang:~$
    (base) yongqiang@yongqiang:~$ conda remove -n tf_cpu_1.4.1_py2 --all
    
    Remove all packages in environment /home/yongqiang/miniconda3/envs/tf_cpu_1.4.1_py2:
    
    
    ## Package Plan ##
    
      environment location: /home/yongqiang/miniconda3/envs/tf_cpu_1.4.1_py2
    
    
    The following packages will be REMOVED:
    
      _libgcc_mutex-0.1-main
      ca-certificates-2020.1.1-0
      certifi-2019.11.28-py27_0
      libedit-3.1.20181209-hc058e9b_0
      libffi-3.3-he6710b0_1
      libgcc-ng-9.1.0-hdf63c60_0
      libstdcxx-ng-9.1.0-hdf63c60_0
      ncurses-6.2-he6710b0_1
      pip-19.3.1-py27_0
      python-2.7.18-h15b4118_1
      readline-8.0-h7b6447c_0
      setuptools-44.0.0-py27_0
      sqlite-3.31.1-h62c20be_1
      tk-8.6.8-hbc83047_0
      wheel-0.33.6-py27_0
      zlib-1.2.11-h7b6447c_3
    
    
    Proceed ([y]/n)? y
    
    Preparing transaction: done
    Verifying transaction: done
    Executing transaction: done
    (base) yongqiang@yongqiang:~$
    (base) yongqiang@yongqiang:~$ conda remove --name tf_cpu_1.4.1 --all
    
    Remove all packages in environment /home/yongqiang/miniconda3/envs/tf_cpu_1.4.1:
    
    
    ## Package Plan ##
    
      environment location: /home/yongqiang/miniconda3/envs/tf_cpu_1.4.1
    
    
    The following packages will be REMOVED:
    
      _libgcc_mutex-0.1-main
      ca-certificates-2020.1.1-0
      certifi-2018.8.24-py35_1
      libedit-3.1.20181209-hc058e9b_0
      libffi-3.2.1-hd88cf55_4
      libgcc-ng-9.1.0-hdf63c60_0
      libstdcxx-ng-9.1.0-hdf63c60_0
      ncurses-6.2-he6710b0_1
      openssl-1.0.2u-h7b6447c_0
      pip-10.0.1-py35_0
      python-3.5.6-hc3d631a_0
      readline-7.0-h7b6447c_5
      setuptools-40.2.0-py35_0
      sqlite-3.31.1-h62c20be_1
      tk-8.6.8-hbc83047_0
      wheel-0.31.1-py35_0
      xz-5.2.5-h7b6447c_0
      zlib-1.2.11-h7b6447c_3
    
    
    Proceed ([y]/n)? y
    
    Preparing transaction: done
    Verifying transaction: done
    Executing transaction: done
    (base) yongqiang@yongqiang:~$
    (base) yongqiang@yongqiang:~$ conda env list
    # conda environments:
    #
    base                  *  /home/yongqiang/miniconda3
    pt-1.4_py-3.6            /home/yongqiang/miniconda3/envs/pt-1.4_py-3.6
    
    (base) yongqiang@yongqiang:~$
    

    References

    展开全文
  • 为什么需要一个虚拟环境 Python官方给出的解释, 简单可以理解为隔离的沙箱环境,多个开发需求不会相互干扰。 Python应用程序通常会使用不在标准库内的软件包和模块。应用程序有时需要特定版本的库,因为应用程序...

    为什么需要一个虚拟环境

    Python官方给出的解释, 简单可以理解为隔离的沙箱环境,多个开发需求不会相互干扰。

    Python应用程序通常会使用不在标准库内的软件包和模块。应用程序有时需要特定版本的库,因为应用程序可能需要修复特定的错误,或者可以使用库的过时版本的接口编写应用程序。

    这意味着一个Python安装可能无法满足每个应用程序的要求。如果应用程序A需要特定模块的1.0版本但应用程序B需要2.0版本,则需求存在冲突,安装版本1.0或2.0将导致某一个应用程序无法运行。

    这个问题的解决方案是创建一个 virtual environment,一个目录树,其中安装有特定Python版本,以及许多其他包。

    然后,不同的应用将可以使用不同的虚拟环境。 要解决先前需求相冲突的例子,应用程序 A 可以拥有自己的 安装了 1.0 版本的虚拟环境,而应用程序 B 则拥有安装了 2.0 版本的另一个虚拟环境。 如果应用程序 B 要求将某个库升级到 3.0 版本,也不会影响应用程序 A 的环境。

    方式1 venv

    Python3.5 以上的版本内置了venv模块,用于创建和管理虚拟环境。
    创建

    # 切换到需要创建虚拟环境的目录
    python3 -m venv 虚拟环境名称
    python3 -m venv ven_test
    

    激活

    # 在任意的路径都可以激活 需要指向虚拟环境中的activate
    # Linux / MacOS
    source 路径目录/activate
    source /home/user/ven_test/bin/activate
    
    # windows
    路径\ven_test\Scripts\activate.bat
    
    

    退出虚拟环境

    deactivate
    

    方式2 virtualenv

    安装

    # 需要先安装virtualenv
    pip install virtualenv
    # 这是对virtualenv的封装版本,一定要在virtualenv后安装 
    pip install virtualenvwrapper  
    

    创建

    # 在需要创建虚拟环境的目录中执行以下操作
    virtualenv envname   # 创建一个名字为envname的虚拟环境
    

    激活

    activate  # 启动 虚拟环境, 需要进入虚拟环境的目录执行
    

    退出

    deactivate  # 退出 虚拟环境, 在激活的虚拟环境中才能执行
    

    更详细见:Win10中安装 virtualenv,激活并切换环境

    方式3 Anaconda

    方式4 Pycharm

    展开全文
  • Anaconda虚拟环境管理(命令行)

    万次阅读 2021-08-18 23:26:53
    Anaconda可以看做是pip和virtualenv的结合体,既可以进行包管理,还可以进行虚拟环境管理。Anaconda安装成功后会自动创建一个base虚拟环境并安装默认包。 通过Anaconda Navigator可以以可视化界面创建、复制、删除等...

    当前Anaconda版本为2021.5

    Anaconda可以看做是pipvirtualenv的结合体,既可以进行包管理,还可以进行虚拟环境管理。Anaconda安装成功后会自动创建一个base虚拟环境并安装默认包。

    通过Anaconda Navigator可以以可视化界面创建、复制、删除等操作。

    下面简要说明如何通过conda命令管理虚拟环境。

    查看虚拟环境列表

    conda env listconda info -econda info --env命令可查看虚拟环境列表。

    (base) C:\Users\Administrator>conda env list
    # conda environments:
    #
    base                  *  C:\ProgramData\Anaconda3
    
    
    (base) C:\Users\Administrator>conda info -e
    # conda environments:
    #
    base                  *  C:\ProgramData\Anaconda3
    
    
    (base) C:\Users\Administrator>conda info --env
    # conda environments:
    #
    base                  *  C:\ProgramData\Anaconda3
    

    创建虚拟环境

    创建虚拟环境主要通过conda create命令,其参数有两种主要选择:

    • -n参数指定虚拟环境名称,环境目录位于C:\ProgramData\Anaconda3\envs,目录名为环境名称。
    • -p参数指定虚拟环境的目录路径,环境名称为空。

    上述两个参数不能同时出现。

    例如:conda create -n study -y python=3.6 numpy命令中, -n study说明虚拟环境名称为study-y参数说明不再询问是否确认,python=3.6参数说明指定使用python3.6解释器,numpy说明预装numpy包。

    (base) C:\Users\Administrator>conda create -n study -y python=3.6 numpy
    Collecting package metadata (current_repodata.json): done
    Solving environment: done
    
    ## Package Plan ##
    
      environment location: C:\ProgramData\Anaconda3\envs\study
    
      added / updated specs:
        - numpy
        - python=3.6
    
    
    The following NEW packages will be INSTALLED:
    
      blas               anaconda/pkgs/main/win-64::blas-1.0-mkl
      certifi            anaconda/pkgs/main/win-64::certifi-2021.5.30-py36haa95532_0
      icc_rt             anaconda/pkgs/main/win-64::icc_rt-2019.0.0-h0cc432a_1
      intel-openmp       anaconda/pkgs/main/win-64::intel-openmp-2021.3.0-haa95532_3372
      mkl                anaconda/pkgs/main/win-64::mkl-2019.4-245
      mkl-service        anaconda/pkgs/main/win-64::mkl-service-2.3.0-py36h196d8e1_0
      mkl_fft            anaconda/pkgs/main/win-64::mkl_fft-1.3.0-py36h46781fe_0
      mkl_random         anaconda/pkgs/r/win-64::mkl_random-1.0.4-py36h343c172_0
      numpy              anaconda/pkgs/r/win-64::numpy-1.17.0-py36h19fb1c0_0
      numpy-base         anaconda/pkgs/r/win-64::numpy-base-1.17.0-py36hc3f5095_0
      pip                anaconda/pkgs/main/win-64::pip-21.0.1-py36haa95532_0
      python             anaconda/pkgs/main/win-64::python-3.6.13-h3758d61_0
      setuptools         anaconda/pkgs/main/win-64::setuptools-52.0.0-py36haa95532_0
      six                anaconda/pkgs/main/noarch::six-1.16.0-pyhd3eb1b0_0
      sqlite             anaconda/pkgs/main/win-64::sqlite-3.36.0-h2bbff1b_0
      vc                 anaconda/pkgs/main/win-64::vc-14.2-h21ff451_1
      vs2015_runtime     anaconda/pkgs/main/win-64::vs2015_runtime-14.27.29016-h5e58377_2
      wheel              anaconda/pkgs/main/noarch::wheel-0.37.0-pyhd3eb1b0_0
      wincertstore       anaconda/pkgs/main/win-64::wincertstore-0.2-py36h7fe50ca_0
    conda create -p d:\study python=3.6
    

    例如:conda create -p d:\study python=3.6命令中, -p d:\study说明虚拟环境的目录路径为d:\studypython=3.6参数说明指定使用python3.6解释器。

    (base) C:\Users\Administrator>conda create -p d:\study python=3.6
    Collecting package metadata (current_repodata.json): done
    Solving environment: done
    
    ## Package Plan ##
    
      environment location: d:\study
    
      added / updated specs:
        - python=3.6
    
    
    The following NEW packages will be INSTALLED:
    
      certifi            anaconda/pkgs/main/win-64::certifi-2021.5.30-py36haa95532_0
      pip                anaconda/pkgs/main/win-64::pip-21.0.1-py36haa95532_0
      python             anaconda/pkgs/main/win-64::python-3.6.13-h3758d61_0
      setuptools         anaconda/pkgs/main/win-64::setuptools-52.0.0-py36haa95532_0
      sqlite             anaconda/pkgs/main/win-64::sqlite-3.36.0-h2bbff1b_0
      vc                 anaconda/pkgs/main/win-64::vc-14.2-h21ff451_1
      vs2015_runtime     anaconda/pkgs/main/win-64::vs2015_runtime-14.27.29016-h5e58377_2
      wheel              anaconda/pkgs/main/noarch::wheel-0.37.0-pyhd3eb1b0_0
      wincertstore       anaconda/pkgs/main/win-64::wincertstore-0.2-py36h7fe50ca_0
    
    
    Proceed ([y]/n)?
    

    列出所有虚拟环境验证。

    (base) C:\Users\Administrator>conda env list
    # conda environments:
    #
    base                  *  C:\ProgramData\Anaconda3
    study1                   C:\ProgramData\Anaconda3\envs\study
                             d:\study
    

    确认当前虚拟环境

    • Anaconda命令行的命令提示符即表示了当前的虚拟环境。例如(base) C:\Users\Administrator>说明当前虚拟环境为base

    • 虚拟环境列表中带*的说明即当前虚拟环境。

    (base) C:\Users\Administrator>conda env list
    # conda environments:
    #
    base                  *  C:\ProgramData\Anaconda3
    study1                   C:\ProgramData\Anaconda3\envs\study
                             d:\study
    
    • 查看配置信息命令conda info也可显示当前虚拟环境。
    (base) PS C:\Users\Administrator> conda info
    
         active environment : base
        active env location : C:\ProgramData\Anaconda3
                shell level : 1
           user config file : C:\Users\Administrator\.condarc
     populated config files : C:\Users\Administrator\.condarc
    

    激活/切换虚拟环境

    • 激活使用名称定义的虚拟环境的命令格式为conda activate 名称
    (base) C:\Users\Administrator>conda activate study
    
    (study) C:\Users\Administrator>
    
    • 激活使用路径定义的虚拟环境的命令格式为conda activate 路径
    (study) C:\Users\Administrator>conda activate d:\study
    
    (d:\study) C:\Users\Administrator>
    

    退出虚拟环境

    conda deactivate可退出当前虚拟环境。
    注意:退出当前虚拟环境退至上一次激活的虚拟环境。

    (d:\study) C:\Users\Administrator>conda deactivate
    
    (study) C:\Users\Administrator>conda deactivate
    
    (base) C:\Users\Administrator>
    

    复制虚拟环境

    复制虚拟环境使用如下命令格式:conda create -n 新环境名字 --clone 旧环境名字

    (base) C:\Users\Administrator>conda create -n study2 --clone study
    Source:      C:\ProgramData\Anaconda3\envs\study
    Destination: C:\ProgramData\Anaconda3\envs\study2
    Packages: 19
    Files: 0
    Preparing transaction: done
    Verifying transaction: done
    Executing transaction: done
    #
    # To activate this environment, use
    #
    #     $ conda activate study2
    #
    # To deactivate an active environment, use
    #
    #     $ conda deactivate
    
    (base) PS C:\Users\Administrator> conda env list
    # conda environments:
    #
    base                  *  C:\ProgramData\Anaconda3
    study                    C:\ProgramData\Anaconda3\envs\study
    study2                   C:\ProgramData\Anaconda3\envs\study2
                             d:\study
    

    删除虚拟环境

    删除虚拟环境的命令格式为conda remove -n 虚拟环境名称 --all
    注意!当前虚拟环境不能删除,必须退出之后再删除。

    (study2) C:\Users\Administrator>conda remove -n study2 --all
    
    CondaEnvironmentError: cannot remove current environment. deactivate and run conda remove again
    
    (base) C:\Users\Administrator>conda remove -n study2 --all
    
    Remove all packages in environment C:\ProgramData\Anaconda3\envs\study2:
    
    
    ## Package Plan ##
    
      environment location: C:\ProgramData\Anaconda3\envs\study2
    
    
    The following packages will be REMOVED:
    
      blas-1.0-mkl
      certifi-2021.5.30-py36haa95532_0
      icc_rt-2019.0.0-h0cc432a_1
      intel-openmp-2021.3.0-haa95532_3372
      mkl-2019.4-245
      mkl-service-2.3.0-py36h196d8e1_0
      mkl_fft-1.3.0-py36h46781fe_0
      mkl_random-1.0.4-py36h343c172_0
      numpy-1.17.0-py36h19fb1c0_0
      numpy-base-1.17.0-py36hc3f5095_0
      pip-21.0.1-py36haa95532_0
      python-3.6.13-h3758d61_0
      setuptools-52.0.0-py36haa95532_0
      six-1.16.0-pyhd3eb1b0_0
      sqlite-3.36.0-h2bbff1b_0
      vc-14.2-h21ff451_1
      vs2015_runtime-14.27.29016-h5e58377_2
      wheel-0.37.0-pyhd3eb1b0_0
      wincertstore-0.2-py36h7fe50ca_0
    
    
    Proceed ([y]/n)?y
    Preparing transaction: done
    Verifying transaction: done
    Executing transaction: done
    
    (base) C:\Users\Administrator>conda env list
    # conda environments:
    #
    base                  *  C:\ProgramData\Anaconda3
    study                    C:\ProgramData\Anaconda3\envs\study
                             d:\study
    

    导出当前虚拟环境

    导出当前虚拟环境的命令格式为conda env export --file 文件名.yaml
    注意!文件名与环境名无关。

    (study) C:\Users\Administrator> conda env export --file study3.yaml
    
    (study) C:\Users\Administrator>
    

    study3.yaml的文件内容为:

    name: study
    channels:
      - defaults
    dependencies:
      - blas=1.0=mkl
      - certifi=2021.5.30=py36haa95532_0
      - icc_rt=2019.0.0=h0cc432a_1
      - intel-openmp=2021.3.0=haa95532_3372
      - mkl=2019.4=245
      - mkl-service=2.3.0=py36h196d8e1_0
      - mkl_fft=1.3.0=py36h46781fe_0
      - mkl_random=1.0.4=py36h343c172_0
      - numpy=1.17.0=py36h19fb1c0_0
      - numpy-base=1.17.0=py36hc3f5095_0
      - pip=21.0.1=py36haa95532_0
      - python=3.6.13=h3758d61_0
      - setuptools=52.0.0=py36haa95532_0
      - six=1.16.0=pyhd3eb1b0_0
      - sqlite=3.36.0=h2bbff1b_0
      - vc=14.2=h21ff451_1
      - vs2015_runtime=14.27.29016=h5e58377_2
      - wheel=0.37.0=pyhd3eb1b0_0
      - wincertstore=0.2=py36h7fe50ca_0
    prefix: C:\ProgramData\Anaconda3\envs\study
    

    还原导出的虚拟环境

    还原导出的虚拟环境的命令格式为:conda env create -f 文件名

    还原时,不能存在与原环境重复的环境

    (study) C:\Users\Administrator>conda env create -f ./study3.yaml
    
    CondaValueError: prefix already exists: C:\ProgramData\Anaconda3\envs\study
    

    删除本机study环境重新执行命令。

    (base) C:\Users\Administrator>conda env create -f ./study3.yaml
    Collecting package metadata (repodata.json): done
    Solving environment: done
    Preparing transaction: done
    Verifying transaction: done
    Executing transaction: done
    #
    # To activate this environment, use
    #
    #     $ conda activate study
    #
    # To deactivate an active environment, use
    #
    #     $ conda deactivate
    
    
    展开全文
  • annoconda 创建虚拟环境 删除虚拟环境

    万次阅读 多人点赞 2019-07-22 18:11:10
    1、确认环境 首先在所在系统中安装Anaconda。可以打开命令行输入conda ...2)conda env list 或 conda info -e 查看当前存在哪些虚拟环境 3)conda update conda 检查更新当前conda 3、创建python虚拟环境。 使用 co...
  • Python创建虚拟环境的三种方式比较Python创建虚拟环境的三种方式首先:为什么需要虚拟环境?Pipenv vs Virtualenv vs Conda1. Virtualenv2. Pipenv3. Conda参考资料 Python创建虚拟环境的三种方式 首先:为什么需要...
  • Anaconda 虚拟环境的使用

    千次阅读 2018-10-12 16:59:26
    1. 创建虚拟环境 2. 虚拟环境管理  3. Conda虚拟环境的包管理 前言 今天把anaconda进行了滚动更新,实体环境python版本也相应从3.6跟新到了3.7。但是问题来了,之前安装的很多包,如opencv,dlib,等等都找不...
  • 虚拟环境 virtual environment 它是一个虚拟化,从电脑独立开辟出来的环境。通俗的来讲,虚拟环境就是借助虚拟机docker来把一部分内容独立出来,我们把这部分独立出来的东西称作“容器”,在这个容器中,我们...
  • linux 之虚拟环境

    千次阅读 2019-08-18 19:30:07
    linux 之虚拟环境 一.linux下的虚拟环境安装(virtualenv)运行 1.以宿主机的python解释器为主体,然后复制的多个虚拟环境就是复制了一个python下面的文件 2.虚拟环境 pippython包时在自己的文件下安装 与宿主...
  • Python安装虚拟环境

    千次阅读 2019-09-25 22:12:14
    Python安装虚拟环境 在实际的工作中,我们同时做的项目通常不止一个,比如说,新项目是主要开发的项目,同时还需要对老项目进行一些小的功能迭代。 如果在一台电脑上,同时开发多个不同的项目,不同项目用到同一个...
  • Python 虚拟环境 看这一篇就够了

    千次阅读 多人点赞 2020-06-02 13:07:32
    但众多的软件库,形成了复杂的依赖关系,加上 Python2 和 Python3 旷日持久之争,对采用 Python 开发的项目造成了不少困扰,所以 Python 建议,通过虚拟环境工具为项目创建纯净的依赖环境,今天我们就来了解下 ...
  • 使用 virtualenv 创建虚拟环境

    千次阅读 2019-09-27 10:58:23
    补充 创建 虚拟 环境有一些选项1-2 激活虚拟环境1-3 退出虚拟环境使用 python -m 来生成 虚拟环境2 使用方法2-1 创建 python3.6 的虚拟环境2-2 创建 python3.7 的虚拟环境总结参考文档 首先弄明白为啥要有虚拟环境...
  • Python创建virtualenv(虚拟环境)搭建

    千次阅读 2019-12-03 15:51:44
    1、安装虚拟环境 sudo pip3 install virtualenv sudo pip3 install virtualenvwrapper 安装完虚拟环境后,如果提示找不到mkvirtualenv命令,需要配置环境变量 配置环境变量: 1、在~(家目录)下创建目录用来存放...
  • python虚拟环境为什么需要虚拟环境虚拟环境的安装位置的修改(重要)注意事项python安装虚拟环境virtualenvvirtualenvwrapper 为什么需要虚拟环境        •之前我们安装python第...
  • 拿到一个新的容器之后,怎么创建一个独立的GPU训练环境呢?之前弄的时候总是零零散散的,现在把它总结在这里,供自己以及有需要的朋友查阅。 1. conda创建 1.1 下载anaconda wget -c ...
  • 为什么要使用虚拟环境? 官方文档的解释是:Python应用程序通常会使用不在标准库内的软件包和模块。应用程序有时需要特定版本的库,因为应用程序可能需要修复特定的错误,或者可以使用库的过时版本的接口编写应用...
  • 在使用Anaconda时,出于隔离环境的目的,往往会建立一个虚拟环境。在使用PyCharm或VScode作为编辑器时,可以方便的切换解释器。 在使用Jupyter Notebook作为编辑器,如何使用Anaconda的虚拟环境进行编程呢? 安装...
  • 随着在PyCharm中项目工程的增多,为每个或者特定几个项目创建一个虚拟环境,安装对应版本的Python版本和依赖的包。这是非常有必要的。 2. 创建虚拟环境 通过Anaconda Prompt环境端进行创建(我是以管理员身份打开的...
  • 转自 qq_34146899 的 《python虚拟环境搭建,虚拟环境迁移,三方库安装》python虚拟环境virtualenvVirtualEnv用于在一台机器上创建多个独立的python运行环境,VirtualEnvWrapper为前者提供了一些便利的命令行上的...
  • 使用Anaconda时(Anaconda3版本应该是最新的),有的教程要求我们新建一个虚拟环境虚拟环境是什么?这个环境和Anaconda的环境又有什么区别?安装包的方式有conda install xxx或者pip install xxx,这两种方式一样...
  • venv命令行 是虚拟环境特有,退出虚拟环境,venv命令行就会消失 总结:  pip install virtualenv 安装虚拟环境库  virtualenv -p python3 env 创建虚拟环境(其中 -p 参数指定所需的python版本,为你的python安装...
  • 如何创建虚拟环境

    千次阅读 2019-04-12 10:36:49
    为什么要搭建虚拟环境? 在开发过程中, 当需要使用python的某些工具包/框架时需要联网安装 比如联网安装Flask框架flask-0.10.1版本 sudo pip install flask==0.10.1 提示:使用如上命令, 会将flask-0.10.1安装到...
  • anaconda虚拟环境教程大全

    千次阅读 2020-09-27 15:14:28
    之前我尝试了用pipenv来管理虚拟环境,并用pipenv来创建虚拟环境打包exe. 建立虚拟环境解决python打包exe文件过大的问题(附打包带图标,多个py文件打包exe) pipenv创建虚拟环境,很难更改pyhon版本,默认的python...
  • 虚拟环境 virtual environment 一、为什么使用虚拟环境? 简单来讲,我们平时在使用Python编写程序时经常需要调用第三方工具,这些第三方工具的版本时有更新,编写不同的项目脚本时,经常会遇到不同项目使用同一个...
  • 1、创建一个虚拟环境 打开cmd终端输入命令:python查看自己安装的Python版本 这里可见我系统中安装的python版本为3.7.4,请读者也查清楚自己系统中的python版本再进行下面的创建虚拟环境的操作: 输入命令:conda ...
  • 一开始接触虚拟环境的时候,并不是很分得清楚虚拟环境和项目的关系。后来发现,其实他们之间并没有什么联系,唯一的联系就是,项目可以放在虚拟环境下运行。 比如我们有项目Py_A,Py_B,Py_C,我们还有虚拟环境env_...
  • 本文出自【我是干勾鱼的博客】 Ingredient: Python:Python 3.6.6(Python Downloads...有时候你的服务器上可能安装了很多个Python,而且在运行不同的脚本时可能需要建立不同的环境,这时能有一个针对不同Python用...
  • Python Pycharm创建虚拟环境

    千次阅读 2021-04-20 19:38:26
    Python的虚拟环境是与正常创建的环境相对应的。在虚拟环境中安装的包是与外部环境隔离的。也就是说,虚拟环境中的包只在虚拟环境中有效。 那么Pycharm中如何创建虚拟环境呢? 其中在创建项目的时候,就有创建虚拟...
  • 在Windows下搭建虚拟环境

    万次阅读 多人点赞 2018-11-26 17:03:34
    虚拟环境介绍 如果在一台电脑上, 想开发多个不同的项目, 需要用到同一个包的不同版本, 如果单纯不创建虚拟环境的话, 在同一个目录下安装或者更新, 新版本会覆盖以前的版本, 其它的项目就无法运行了。 virtualenv的...
  • ubuntu16.04使用anaconda创建python虚拟环境

    万次阅读 多人点赞 2019-01-03 13:57:24
    ubuntu16.04使用anaconda创建python虚拟环境 经过上一篇文章,我安装anaconda3,下面开始来使用anaconda,看看它给我们带来了怎么样的便捷。 1.管理虚拟环境 安装了anaconda以后,我们可以用它来创建我们一个个独立...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 659,984
精华内容 263,993
关键字:

虚拟环境