Anaconda创建可移植python(anaconda创建pytorch环境)

anaconda 怎么引用或者copy系统的python库

1. 首先安装python，我选择安装Anaconda （Windows 64-Bit Python 2.7 Graphical Installer 下载地址）。

Anaconda的一些命令（在Anaconda的命令行窗口输入）：

conda list #该命令，将列出Anaconda安装的所有应用包，我们可以看到Anaconda已经安装了numpy, nose, pip, python, scipy, mingw等等。

conda install pkg name #该命令用于安装应用包，如 conda install numpy.

pip install pkg name #该命令用于安装应用包，如 pip install theano.

conda update pkg name #升级应用包，如 conda update python

2. 安装Theano，在Anaconda 的命令窗口中输入 pip install theano，可以看到程序开始下载安装包，并检查是否满足安装条件：numpy=1.5.0，scipy=0.7.2，满足条件之后开始运行setup.py安装theano，安装完成后会显示Successfully installed theano。

3. 测试Theano安装情况。

（1）在ipython中输入以下两行代码：

import theano

theano.test()

会显示theano的版本号，安装位置，已经其他包的安装版本，如numpy,nose,python等。

在运行中出现g++不是内部或外部命令，也不是可运行的程序或批处理文件。

（2）在Anaconda的命令行窗口输入：python Lib\site-packages\theano\tests\run_tests_in_batch.py

显示unable to find theano-nose，查看run_tests_in_batch.py发现，其中路径设置为在bin下寻找theano-nose文件，而实际上Anaconda文件夹下根本没有bin这个文件夹，theano-nose存放在Scripts文件夹中。

》》》尝试1：将Scripts更名为bin，重新运行这句命令，可以成功运行。但是出现一个warning，提示没有检测到g++，所以无法运行优化后的C代码版本，只能执行python版本。

该种尝试的结果是，下次打开Anaconda 命令窗口后出现错误，因为其运行路径为Scripts，所以还是不要修改了。

（3）g++问题。我们打开MinGW文件夹，可以很清楚的看到有g++，但是为什么使用不了呢？？在Anaconda 命令窗口中输入g++也能成功调用g++.exe啊。所以结论是，鉴于这个代码中出现很明显的漏洞，所以说不定这里也是错误，先不管这些了。

试着做了以下配置，也不知行不行。

添加环境变量: path: C:\Anaconda\MinGW\bin;C:\Anaconda\MinGW\x86_64-w64-mingw32\lib;

新建环境变量： PYTHONPATH: C:\Anaconda\Lib\site-packages\theano;

在home目录下（cmd可以看到，我的是C:\Users\Administrator），创建 .theanorc.txt 文件内容如下：

[global]

openmp=False

[blas]

ldflags=

[gcc]

cxxflags = -IC:\MinGW\include

（4）验证BLAS是否安装成功。由于numpy是依赖BLAS的，如果BLAS没有安装成功，虽然numpy亦可以安装，但是无法使用BLAS的加速。验证numpy是否真的成功依赖BLAS编译，用以下代码试验：

import numpy

id(numpy.dot) == id(numpy.core.multiarray.dot)

False

结果为False表示成功依赖了BLAS加速，如果是Ture则表示用的是python自己的实现并没有加速。

怎么用anaconda开发python

1、安装anaconda 想更好的学习python请关注微信公众号“Python基础教程”！

之前什么都不需要安装，直接在官网下载anaconda，我下载的是Python2.7，32位的。

下载好文件后，直接双击安装，可以自己选定安装位置。

安装完anaconda，就相当于安装了Python、IPython、集成开发环境Spyder、一些包等等。

2、Python（shell）

这个和我们直接安装Python得到的Python shell用法一样。当然由于安装了anaconda，所以在这里好多包我们都可以使用了。

3、IPython

3.1 IPython(shell)

我们可以直接点击打开，也可以像下面这样在命令提示符中输入ipython

这个和我们pip install ipython安装的ipython用法一样。

3.2 Ipython QTConsole

直接点击打开，

3.3 IPython Notebook

我们直接点击打开，或者在命令提示符中输入ipython.exe notebook。

4、Spyder（IDE）

4.1 Spyder

Spyder的最大优点就是模仿MATLAB的“工作空间”。

直接点击打开：

4.2 其他的IDE使用anaconda

由于安装完anaconda就自带了Spyder集成开发环境了，所以不需要任何配置可以直接使用，但是其他你自己安装的IDE要想使用anaconda需要配置。

配置的方法我们可以去官网了解。下面我们以Pycharm为例。

其实如果anaconda在Pycharm之前安装，那么遇到解释器选择的时候会有一个选项，我们直接选择就OK了。如果在Pycharm之后安装，我们只需要手动设置一下Pycharm所用的解释器就行了。

5、安装包

其实安装完anaconda后，基本上就把我们常用的部分包安装好了，但是毕竟只是安装了一小部分（我们可以去官网查看安装了哪些包），还有一部分需要我们自己来安装。

查看已经安装的包我们可以在命令提示符中输入pip list或者用anaconda自带的包管理器conda（conda list）。

5.1 pip 或conda安装

我们可以在命令提示符中输入pip install 包名，或者conda install 包名。conda和pip的用法基本上一致（更新？卸载？还不确定）。但是我们使用conda安装的时候不仅会安装当前你要安装的包还会提示更新其他已经安装过的包，所以我基本上都是直接用pip安装。

5.2 文件安装

pip或conda不能安装的话，我们就下载文件安装，比如exe文件（双击安装）或者whl文件（pip安装）等等。

6、anaconda自带的命令窗口

上面我们说的命令提示符基本上都是在系统盘上的操作。其实anaconda自带一个命令窗口。直接点击打开

所有可以在“命令提示符”中运行的都可以在这里运行，只不过文件的路径改变了而已。就比如我们在这两个命令窗口中分别输入ipython.exe notebook，默认的文件.ipynb存储在不同的位置。

如何用anaconda写python

序

Python易用，但用好却不易，其中比较头疼的就是包管理和Python不同版本的问题，特别是当你使用Windows的时候。为了解决这些问题，有不少发行版的Python，比如WinPython、Anaconda等，这些发行版将python和许多常用的package打包，方便pythoners直接使用，此外，还有virtualenv、pyenv等工具管理虚拟环境。

个人尝试了很多类似的发行版，最终选择了Anaconda，因为其强大而方便的包管理与环境管理的功能。该文主要介绍下Anaconda，对Anaconda的理解，并简要总结下相关的操作。

Anaconda概述

Anaconda是一个用于科学计算的Python发行版，支持 Linux, Mac, Windows系统，提供了包管理与环境管理的功能，可以很方便地解决多版本python并存、切换以及各种第三方包安装问题。Anaconda利用工具/命令conda来进行package和environment的管理，并且已经包含了Python和相关的配套工具。

这里先解释下conda、anaconda这些概念的差别。conda可以理解为一个工具，也是一个可执行命令，其核心功能是包管理与环境管理。包管理与pip的使用类似，环境管理则允许用户方便地安装不同版本的python并可以快速切换。Anaconda则是一个打包的集合，里面预装好了conda、某个版本的python、众多packages、科学计算工具等等，所以也称为Python的一种发行版。其实还有Miniconda，顾名思义，它只包含最基本的内容——python与conda，以及相关的必须依赖项，对于空间要求严格的用户，Miniconda是一种选择。

进入下文之前，说明一下conda的设计理念——conda将几乎所有的工具、第三方包都当做package对待，甚至包括python和conda自身！因此，conda打破了包管理与环境管理的约束，能非常方便地安装各种版本python、各种package并方便地切换。

Anaconda的安装

Anaconda的下载页参见官网下载，Linux、Mac、Windows均支持。

安装时，会发现有两个不同版本的Anaconda，分别对应Python 2.7和Python 3.5，两个版本其实除了这点区别外其他都一样。后面我们会看到，安装哪个版本并不本质，因为通过环境管理，我们可以很方便地切换运行时的Python版本。（由于我常用的Python是2.7和3.4，因此倾向于直接安装Python 2.7对应的Anaconda）

下载后直接按照说明安装即可。这里想提醒一点：尽量按照Anaconda默认的行为安装——不使用root权限，仅为个人安装，安装目录设置在个人主目录下（Windows就无所谓了）。这样的好处是，同一台机器上的不同用户完全可以安装、配置自己的Anaconda，不会互相影响。

对于Mac、Linux系统，Anaconda安装好后，实际上就是在主目录下多了个文件夹（~/anaconda）而已，Windows会写入注册表。安装时，安装程序会把bin目录加入PATH（Linux/Mac写入~/.bashrc，Windows添加到系统变量PATH），这些操作也完全可以自己完成。以Linux/Mac为例，安装完成后设置PATH的操作是

1

2

3

4

# 将anaconda的bin目录加入PATH，根据版本不同，也可能是~/anaconda3/bin

echo 'export PATH="~/anaconda2/bin:$PATH"' ~/.bashrc

# 更新bashrc以立即生效

source ~/.bashrc

配置好PATH后，可以通过which conda或conda --version命令检查是否正确。假如安装的是Python 2.7对应的版本，运行python --version或python -V可以得到Python 2.7.12 :: Anaconda 4.1.1 (64-bit)，也说明该发行版默认的环境是Python 2.7。

Conda的环境管理

Conda的环境管理功能允许我们同时安装若干不同版本的Python，并能自由切换。对于上述安装过程，假设我们采用的是Python 2.7对应的安装包，那么Python 2.7就是默认的环境（默认名字是root，注意这个root不是超级管理员的意思）。

假设我们需要安装Python 3.4，此时，我们需要做的操作如下：

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

16

17

18

# 创建一个名为python34的环境，指定Python版本是3.4（不用管是3.4.x，conda会为我们自动寻找3.4.x中的最新版本）

conda create --name python34 python=3.4

# 安装好后，使用activate激活某个环境

activate python34 # for Windows

source activate python34 # for Linux Mac

# 激活后，会发现terminal输入的地方多了python34的字样，实际上，此时系统做的事情就是把默认2.7环境从PATH中去除，再把3.4对应的命令加入PATH

# 此时，再次输入

python --version

# 可以得到`Python 3.4.5 :: Anaconda 4.1.1 (64-bit)`，即系统已经切换到了3.4的环境

# 如果想返回默认的python 2.7环境，运行

deactivate python34 # for Windows

source deactivate python34 # for Linux Mac

# 删除一个已有的环境

conda remove --name python34 --all

用户安装的不同python环境都会被放在目录~/anaconda/envs下，可以在命令中运行conda info -e查看已安装的环境，当前被激活的环境会显示有一个星号或者括号。

说明：有些用户可能经常使用python 3.4环境，因此直接把~/anaconda/envs/python34下面的bin或者Scripts加入PATH，去除anaconda对应的那个bin目录。这个办法，怎么说呢，也是可以的，但总觉得不是那么elegant……

如果直接按上面说的这么改PATH，你会发现conda命令又找不到了（当然找不到啦，因为conda在~/anaconda/bin里呢），这时候怎么办呢？方法有二：1. 显式地给出conda的绝对地址 2. 在python34环境中也安装conda工具（推荐）。

Conda的包管理

Conda的包管理就比较好理解了，这部分功能与pip类似。

例如，如果需要安装scipy：

1

2

3

4

5

6

7

# 安装scipy

conda install scipy

# conda会从从远程搜索scipy的相关信息和依赖项目，对于python 3.4，conda会同时安装numpy和mkl（运算加速的库）

# 查看已经安装的packages

conda list

# 最新版的conda是从site-packages文件夹中搜索已经安装的包，不依赖于pip，因此可以显示出通过各种方式安装的包

conda的一些常用操作如下：

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

16

17

18

19

# 查看当前环境下已安装的包

conda list

# 查看某个指定环境的已安装包

conda list -n python34

# 查找package信息

conda search numpy

# 安装package

conda install -n python34 numpy

# 如果不用-n指定环境名称，则被安装在当前活跃环境

# 也可以通过-c指定通过某个channel安装

# 更新package

conda update -n python34 numpy

# 删除package

conda remove -n python34 numpy

前面已经提到，conda将conda、python等都视为package，因此，完全可以使用conda来管理conda和python的版本，例如

1

2

3

4

5

6

7

8

9

# 更新conda，保持conda最新

conda update conda

# 更新anaconda

conda update anaconda

# 更新python

conda update python

# 假设当前环境是python 3.4, conda会将python升级为3.4.x系列的当前最新版本

补充：如果创建新的python环境，比如3.4，运行conda create -n python34 python=3.4之后，conda仅安装python 3.4相关的必须项，如python, pip等，如果希望该环境像默认环境那样，安装anaconda集合包，只需要：

1

2

3

4

5

6

# 在当前环境下安装anaconda包集合

conda install anaconda

# 结合创建环境的命令，以上操作可以合并为

conda create -n python34 python=3.4 anaconda

# 也可以不用全部安装，根据需求安装自己需要的package即可

设置国内镜像

如果需要安装很多packages，你会发现conda下载的速度经常很慢，因为Anaconda.org的服务器在国外。所幸的是，清华TUNA镜像源有Anaconda仓库的镜像，我们将其加入conda的配置即可：

1

2

3

4

5

6

# 添加Anaconda的TUNA镜像

conda config --add channels

# TUNA的help中镜像地址加有引号，需要去掉

# 设置搜索时显示通道地址

conda config --set show_channel_urls yes

执行完上述命令后，会生成~/.condarc(Linux/Mac)或C:UsersUSER_NAME.condarc文件，记录着我们对conda的配置，直接手动创建、编辑该文件是相同的效果。

跋

Anaconda具有跨平台、包管理、环境管理的特点，因此很适合快速在新的机器上部署Python环境。总结而言，整套安装、配置流程如下：

下载Anaconda、安装

配置PATH（bashrc或环境变量），更改TUNA镜像源

创建所需的不用版本的python环境

Just Try!