Anaconda环境配置流程

　　Anaconda是为数据科学量身打造的“全能包”：它帮你一次装齐语言、库、环境管理器和图形工具，让你专注写代码、做分析，不用再为环境配置、包依赖纠结。本篇是关于从零到可跑”的Anaconda（或Miniconda）环境配置全流程。

　　终端打开conda

　　首先，以管理员的身份运行Anacondapromp：

         

　　然后进入操作台，创建独立的环境，为了后续培训需要，配置python为3.9版本的环境，具体命令如下：

　　condacreate-nd2l-zhpython=3,9

　　-n后面的是这个环境的名称，可以你喜欢的进行更改。运行后会让你确认，输入y即可。

         

　　接下来，进入我们刚才创建好的独立环境具体的操作内容，命令如下：

　　condaactivated2l-zh

　　（选做）输入命令（python--version）验证是否下载的是python3.9的版本，输入命令退出独立环境（condadeactivate），用同样检验python版本的命令可以看到在电脑最初的系统上并没有看到python3.9而在Anaconda环境里则有我们所下载的python3.9。

          

　　注意，当前我们使用的是Anacondaprompt管理环境，如果需要想直接用cmd调出系统命令提示符用命令行配置环境，需要配置环境变量，方法如下：

　　打开系统环境变量设置，在系统变量中找到path，双击进入编辑环境变量的界面。

        

　　加入关于anaconda的三个路径（具体需要在下载的路径中找）

　　一直点击确定退出编辑环境变量的窗口。

　　Win+R输入cmd打开命令提示符，输入activated2l-zh即可进入创建的环境。

　　至此，conda环境配置已经基本结束，下面我们安装后续学习所需要的环境。

　　配置学习所需的环境

　　下载好后，进入创建的环境，我们可以先检查一下python3.9中所存在的库函数（命令行输入piplist），可发现只有最初最基本的三个库函数，可以通过pip下载所需的库函数：

　　pipinstalltorchtorchvisionjupyterd2l

　　这些库函数方便我们写代码，可以减轻很多写代码的工作量。

　　注意：限于篇幅原因，这里通过pip直接安装的torch是CPU版本的，如果有GPU且想使用GPU进行学习的话可以另行查找GPU版本的torchtorchvision配置方法。

　　验证环境配置

　　下载好所需的库函数后，接着检验我们的环境是否配置好。

　　将验证的代码文件放在一个文件夹中并复制其地址，后在Anaconda中打开该文件的地址(命令行输入cd+刚才复制的地址)，注意如果放在D盘的话先输入d:进入D盘，这里我将代码放到C盘了。

上一条：Zemax的单透镜设计

下一条：在Windows上安装Anaconda