pytorch学习一(扩展篇)：miniconda下载、安装、配置环境变量。miniconda创建多版本python环境。整理常用命令（亲测ok）

一、miniconda和anaconda的关系

Miniconda 和 Anaconda 都是用于管理 Python 环境和包的开源工具，它们由同一个团队（Anaconda, Inc.）开发，然而，它们的用途和设计目标有所不同。（他们俩是一家的）

1、Anaconda

Anaconda 是一个功能齐全的数据科学平台，它包括了 Python 解释器、包管理器 conda、以及数百个常用的数据科学和机器学习库。Anaconda 旨在为数据科学家和开发者提供一个开箱即用的环境，适合于数据分析、机器学习、科学计算等各种应用。

特点：

大型安装包：Anaconda 包含了许多预装的库和工具，如 NumPy、Pandas、SciPy、Jupyter Notebook、Matplotlib、Scikit-learn 等等。这使得它的安装文件相对较大（通常超过 1 GB）。
全功能：适合那些希望快速搭建一个数据科学环境，而不需要手动安装和配置各种库和工具的用户。
用户友好：通过 Anaconda Navigator 图形界面，可以轻松管理环境和安装包。

适用场景：

适合新手或希望快速搭建完整数据科学环境的用户。
适合在本地机器上进行大规模数据分析和机器学习任务。

2、Miniconda

Miniconda 是 Anaconda 的一个精简版本，它只包含 conda 包管理器和 Python 解释器，不包括任何预装的第三方库。Miniconda 提供了一个最小化的环境，用户可以根据需要手动安装所需的库和工具。

特点：

小型安装包：由于 Miniconda 只包含基础的包管理器和 Python 解释器，安装文件非常小（通常在 50-60 MB 之间）。
高度灵活：用户可以根据需要手动安装和管理 Python 包和环境，这使得 Miniconda 更加灵活，但也需要更多的手动配置。
轻量级：适合那些希望保持系统轻量且只安装所需工具的用户。

适用场景：

适合高级用户或开发者，他们知道自己需要安装哪些库，并且希望对环境有更多控制。
适合在资源有限的系统（如服务器或 Docker 容器）上运行的项目。

3、总结

Anaconda 是一个功能齐全、开箱即用的解决方案，适合需要快速搭建完整数据科学环境的用户。
Miniconda 则是一个轻量级的、更加灵活的解决方案，适合那些只需要安装和使用特定 Python 库的用户。

二、下载miniconda（清华镜像链接）

1. 清华大学开源软件镜像站：https://mirrors.tuna.tsinghua.edu.cn/
2. miniconda 清华镜像下载链接：https://mirrors.tuna.tsinghua.edu.cn/anaconda/miniconda/

点击第二个直接下载就行

三、安装miniconda

1、安装

1. 将上面下载的安装包放入此目录中

   mkdir ~/miniconda
   cd ~/miniconda/
   

2. 执行安装命令

   bash Miniconda3-latest-Linux-x86_64.sh
   

3. 随后一直按住回车，读完须知，然后会出现如下，填入yes即可

   Please answer 'yes' or 'no':'
   >>> yes
   

4. 这里提示选择安装路径，我就选当前目录，直接ENTER即可

   Miniconda3 will now be installed into this location:
   /root/miniconda3
   
     - Press ENTER to confirm the location
     - Press CTRL-C to abort the installation
     - Or specify a different location below
   
   [/root/miniconda3] >>>
   

5. conda 的初始化，输入yes 回车即可。

   Preparing transaction: done
   Executing transaction: done
   installation finished.
   Do you wish to update your shell profile to automatically initialize conda?
   This will activate conda on startup and change the command prompt when activated.
   If you'd prefer that conda's base environment not be activated on startup,
      run the following command when conda is activated:
   
   conda config --set auto_activate_base false
   
   You can undo this by running `conda init --reverse $SHELL`? [yes|no]
   [no] >>> yes
   

6. 到此安装完毕
   安装完后，他会在 ~ 目录下自动创建一个 miniconda3 目录，都安装在这个目录中。
   

2、或许要手动加载 ~/.bashrc

我安装完后执行 conda info --envs 命令提示如下

然后去 ~/.bashrc 文件下看看是否配置了conda的环境变量

但是 基础默认的 base 环境没有启动，于是，手动执行一下，输入如下命令

source ~/.bashrc

结果如下，base环境生效，conda命令也生效。

四、配置 命令

1、查看anaconda安装博文

• 请查看anaconda安装博文，里面命令都是通用的：pytorch学习一：Anaconda下载、安装、配置环境变量。anaconda创建多版本python环境。安装 pytorch。

2、取消默认进入conda（base）环境

一般不需要这个。

conda config --set auto_activate_base false

3、配置 conda 国内镜像

conda config --add channels https://mirrors.aliyun.com/anaconda/pkgs/main/
conda config --add channels https://mirrors.aliyun.com/anaconda/pkgs/free/
conda config --set show_channel_urls yes

五、创建 Python3.8 环境

1、创建指令

conda create --name py38 python=3.8

2、激活 py38 环境

conda activate py38

3、退出环境

conda deactivate

六、conda常用命令

查看python版本

python -V

1、python环境管理

1. 创建环境：

   conda create --name myenv
   

2. 创建具有特定 Python 版本的环境：

   conda create --name myenv python=3.8
   

3. 激活环境：

   conda activate myenv
   

4. 查看conda信息：

   conda info
   

5. 查看conda 的所有环境：

   conda info --envs
   

6. 列出所有环境：

   conda env list
   

7. 安装额外的包到环境中：

   conda install -n myenv package_name
   

8. 导出环境配置：

   conda env export --name myenv > environment.yml
   

9. 删除一个环境：

   conda remove -n env_name --all
   

2、包管理：

1. 安装包：

   conda install package_name
   

2. 卸载包：

   conda remove package_name
   

3. 更新包：

   conda update package_name
   

4. 列出已安装的包：

   conda list
   

5. 搜索可用的包：

   conda search package_name
   

3、Conda 环境的导入与导出：

1. 导出环境：

   conda env export --name myenv > environment.yml
   

2. 导入环境：

   conda env create -f environment.yml
   

4、其他常用命令：

1. 更新 Conda：

   conda update conda
   

2. 查看 Conda 版本：

   conda --version
   

3. 帮助命令：

   conda --help
   

4. 查看配置信息：

   conda config --show
   

5、镜像源常用命令

1. 查看当前的 Conda 配置，确认哪些镜像源被配置了：

   conda config --show channels
   

2. 查看配置文件的位置：

   conda config --show-sources
   

3. 移除无效的镜像源
   如果发现 https://mirrors.aliyun.com/anaconda/pkgs/main 是无效的，可以将其移除。使用以下命令移除无效的镜像源：

   conda config --remove channels https://mirrors.aliyun.com/anaconda/pkgs/main
   

4. 添加有效的镜像源
   根据你的需求，添加有效的镜像源。你可以使用官方的默认源或其他有效的镜像源。比如，添加 Tsinghua 镜像源：
   添加的镜像源的配置文件在 ~/.condarc。

   conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
   conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free
   conda config --set show_channel_urls yes    #
   

   conda config --set show_channel_urls yes 这个命令的作用是设置 Conda 配置，使得在执行 Conda 命令时显示每个软件包的来源渠道 URL。这有助于你查看软件包是从哪个源获取的，便于调试和确认镜像源的配置是否正确。

5. 更新 Conda
   确保 Conda 是最新版本，以避免已知的问题：

   conda update conda
   

6. 清除缓存
   有时清除 Conda 的缓存可以解决问题：

   conda clean --all
   

7. 手动修复配置文件
   如果上述方法都不奏效，你可以直接编辑 Conda 配置文件，手动修复或删除无效的镜像源。配置文件通常位于 ~/.condarc 文件中，你可以用文本编辑器打开它并调整配置。

七、默认设置

1、关闭自启动base环境

conda创建后，一般会有一个默认的python环境名为base，一般会自启动。但是有时候不希望自启动每次都要换环境。
关闭自启动base环境 命令如下：

conda config --set auto_activate_base false