Anaconda安装和入门(超级简单详细的安装步骤)

简介: Anaconda安装和入门(超级简单详细的安装步骤)

简介

Anaconda是为独立从业者开发的工具包,可让您使用数以千计的开源包和库,它是一种开源、灵活的解决方案,它提供了以跨平台方式构建、分发、安装、更新和管理软件的实用程序。Conda 可以轻松管理多个数据环境,这些环境可以单独维护和运行而不会相互干扰。


安装Anaconda

去Anaconda官网获取安装包fd720c41d73a41c6ba562b8ac3e0297b.png


下载个人版--个人版是免费的

根据各人需要安装不同操作系统的Anaconda

411c7560248c475cbfbf9b2bcd241a3d.png


 不同操作系统的Anaconda安装过程大同小异,由于是installers安装程序的相对自动安装,只需要注意几个步骤就可以。如果你需要其他旧版的Anaconda可以点击这里。

1.下载完成后,进入安装程序路径,双击installers程序,不要使用右键的以管理员方式安装--会对环境变量等造成影响。

2.单击"next"。

3.阅读许可条款,然后单击"I Agree"。

4.选择''Just Me''选项,(如果你的电脑有多个用户,并且它们需要使用aconda,请选择installed for all users,否则其他用户没有权限使用)。

5.选择要安装 Anaconda 的目标文件夹,然后单击"next"按钮。注:文件路径名不能有空格,只能是英文和数字。

6.选择是否将 Anaconda 添加到 PATH 环境变量。建议不要将 Anaconda 添加到 PATH 环境变量中,因为这会干扰其他软件。相反,通过从"开始"菜单打开 Anaconda Navigator 或 Anaconda 提示符来使用 Anaconda 软件。

7.选择是否将 Anaconda 注册为默认 Python。除非您计划安装和运行多个版本的 Anaconda 或多个版本的 Python,否则请接受默认值并选中此框

b1dc1915d22742f48e66708d82f469da.png


8.可选:要安装 PyCharm for Anaconda,请单击指向 https://www.anaconda.com/pycharm 的链接。或者要安装没有 PyCharm 的 Anaconda,请单击"next"按钮。

8a9ddc0c96d6455dad9dc3d8aa7bae4f.png


9.成功安装后,您将看到"感谢您安装Anaconda"对话框:

677369f2159d446fb0512d440dac1744.png


10.点击‘finish’就完成了

b48424d0b9654d969527dd0fae33a1e8.png


11.双击运行Anaconda navigator 出现以下界面,则安装完成。

简单的创建虚拟环境的方法

5e97c8638ab649f9b4ff2fb3c6951c36.png


1.右键Anaconda Prompt并以管理员方式运行

查看当前所有的虚拟环境

conda info --envs

acb7ee0269074ae6b56f36a030f8ffd5.png


base为Anaconda自己创建的 一个虚拟环境 * 代表活跃的虚拟环境,即当前操作所在的虚拟环境

查看当前虚拟环境安装的包

conda list


创建一个新的虚拟环境

conda create --name <环境名><解析器,包等>
例如:conda create --name test python=3.7 numpy
创建一个名为test的虚拟环境变量 指定python为3.7 并安装numpy


切换虚拟环境

1. conda activate <虚拟环境名>
2. 上面的切换方式4.6版本以上使用
3. 4.6本版一下
4. activate <虚拟环境名>


可以直接输入python进入python 解析器

741e63f252394999813d36a87521897b.png


或者进入Anaconda Navigator通过切换虚拟环境后使用其他的编辑器

496157c099f843de897e922892a503e6.png


到这里就完成啦。






目录
相关文章
|
计算机视觉
OpenCV(三十八):二维码检测
OpenCV(三十八):二维码检测
563 0
|
JavaScript 中间件 网络架构
Nuxt.js:用 Vue.js 打造服务端渲染应用程序(一)
Nuxt.js:用 Vue.js 打造服务端渲染应用程序
|
3月前
|
机器学习/深度学习 数据采集 运维
基于核密度估计Kernel Density Estimation, KDE的数据生成方法研究(Matlab代码实现)
基于核密度估计Kernel Density Estimation, KDE的数据生成方法研究(Matlab代码实现)
|
6月前
|
人工智能 自然语言处理 安全
通义灵码技术进阶实战:三个企业级应用案例深度解析
本文介绍了通义灵码在企业级场景中的三个真实应用案例:一是优化金融交易系统性能,通过改进代码锁机制将延迟降至8ms;二是为电商平台设计弹性扩容方案,在双11期间成功应对流量高峰并降低40%资源成本;三是帮助跨国团队统一代码规范,显著减少冲突率并提升协作效率。文章还总结了技术进阶的关键要点,包括上下文工程、明确约束、文化适配和迭代优化,并提出了将通义灵码融入DevSecOps流程的建议,展示了其作为核心生产力工具的价值。
298 14
anaconda下载安装,镜像源配置修改及虚拟环境的创建
这篇文章介绍了Anaconda的下载安装过程,包括Anaconda的简介、安装步骤、配置修改、创建虚拟环境以及一些常用命令的使用方法。文章还提供了如何修改conda的镜像源为国内镜像源以加速下载的步骤。
anaconda下载安装,镜像源配置修改及虚拟环境的创建
|
8月前
|
人工智能 Java 程序员
通义灵码 2.0 | AI程序员 荣耀登场
通义灵码2.0引入了AI程序员,具备多文件代码修改和使用工具的能力,可帮助开发者完成需求实现、问题解决、单元测试用例生成等任务。相比1.0版本,2.0在代码生成速度、准确度及自然语言理解方面有显著提升,支持更多上下文类型如#file、#codeChanges等,便于灵活提问与代码审查。本文通过实际操作展示了AI程序员在功能开发、跨语言编程等方面的应用,体验良好;但在单元测试环节遇到环境检查问题未能解决,希望后续能提供更详细的修复文档。总体而言,AI程序员大幅提升了开发效率,尤其在新功能迭代和错误排查方面表现出色,但生成的代码风格有时需人工调整以适应现有项目结构。
|
SQL JSON 分布式计算
Dataframe
Dataframe
578 3
|
PyTorch 算法框架/工具 Python
安装anaconda配置pytorch虚拟环境遇到的问题及解决办法
本文介绍了在配置Anaconda时遇到`PackagesNotFoundError`的问题,并提供了通过添加`conda-forge`通道和创建指定Python版本的PyTorch虚拟环境来解决这个问题的方法。
|
机器学习/深度学习 算法 计算机视觉
5.2 单阶段目标检测模型YOLOv3
这篇文章详细介绍了单阶段目标检测模型YOLOv3的基本原理和网络结构,包括如何生成候选区域、锚框的设计、预测框的生成以及如何对这些候选区域进行标注,并通过卷积神经网络进行特征提取和预测。
|
机器学习/深度学习 自然语言处理 PyTorch
下一篇
开通oss服务