目录
7、到这里安装就结束了，希望对您有所帮助，如有什么错误请指正。
安装Anaconda的意义在于管理环境。举个例子就是利用conda可以创建多个互相独立的python开发环境。就像conda给你盖了很多栋别墅（doge），每栋别墅里你可以放置不同的家具，这里的别墅就是conda创建的环境，家具就是各种各样、不同版本的库，以及不同版本的python。
最近我在尝试resnet矿建，用到了mmcv，需要python3.7，我就可以用conda创建一个py3.7的环境，并且在这个环境下安装mmcv需要的库。同时我的CV课程需要一个python3.9的环境，里面还要装pytorch，我就创建一个新的环境，在这个环境下安装python3.9，同时安装pytorch，两个环境互相独立，这很方便我们开发。
（下文中，需要输入的指令我都会做标号，例如：指令①：conda × × × × ×）
直接进入官网 Anaconda | The World's Most Popular Data Science Platform 点击下载。
安装过程无需赘述，除了安装位置你可以自己决定之外，其它一路点击next就可以了，不用管打勾的那些。安装好之后，你的WIN菜单里应该有这些东西，点击其中的Anaconda Prompt。打开如右图所示：
前面说到，conda可以帮我们管理环境，这包括了创建新环境、删除环境、切换环境、安装依赖等等，这里我们先创建一个环境。
(1) 第一步我们为conda添加一些源，因为默认的源下载有点慢，源就是conda下载东西的源地址。这里我们添加清华源。
指令①：
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
conda config --set show_channel_urls yes(2)第二步我们创建一个新的环境，指令如下（这里关注两个部分，csdn是我对这个环境的命名，可以更改，python=3.7是指定这个环境的python版本，这个根据需求更改）
指令②
conda create -n csdn python=3.7
弹出一个选择(y/N)时，直接回车即可。下载结束后截图如下：
（3）接下来查看我们刚才创建的环境是否成功：
指令③：
conda env list
可以看到，名为csdn的环境已经创建好了，这里要做说明的是，一开始的base是默认环境，我们在这里可以创建新的环境，新的环境对应的文件夹会被创建在你Anaconda安装目录下的 envs 文件夹，后续为这个环境安装依赖的时候，也会装在这个envs/csdn的文件夹下（非常整齐有没有）。
（4）切换到新的环境，这里的csdn可以替换为你创建环境的名字
指令④：
conda activate csdn
（5）我们在create这个环境的时候，指定了python=3.7，那么这个环境下就会有3.7版本的python，同时conda会为我们安装一些基本的库。
指令⑤：
conda list
可以看到我们的python版本3.7.6，以及安装了基础的一些依赖，比如pip、wheel，但是我们的要求不止于此，下一节我们介绍为此环境安装需要的库。（这里补充，在这个环境下，pip也是可以用的，而且有时候会更快一些，比如我们在为一个python程序搭建环境时经常用pip install -r requirements.txt，会比conda方便一点，pip install的依赖也会安装在envs/csdn里面）
（下文所有操作，一定注意自己指令执行的环境，不要装到base或者其它环境里去了，要进到你需要的环境，只需要activate即可，前面说到过）
我们通过pip、conda都可以为此环境下载依赖，pip和conda安装常用的库numpy指令如下，选择其一即可（conda安装有y/N还是回车确认）。
指令⑥：
conda install numpy=1.21.6 (版本号可以不指定）
conda list
(或者 pip install numpy
pip list)
图中我们可以看到，install下载numpy之后，再用list可以看到我们成功下载了这个库，这里要说明的是，这个numpy对应的文件也会安装到envs/csdn下面。
pytorch是一个机器学习的库，相信你会经常用到。
步骤有三步，一是确定自己cuda版本，二是找到对应指令，三安装并确认
（1）确定自己cuda的版本（前提是你有英伟达的显卡），输入命令看到我的cuda是11.1
指令⑦：
nvidia-smi
（2）上pytorch官网找对应版本的torch和cudatoolkit ， PyTorch 翻到最下面可以看到
图中我标出来的三个区域，第一个是一些选择项，从上到下依次是版本（选stable）、你电脑的操作系统、安装指令（conda还是pip）、你cuda的版本，如果你没有cuda，直接选择CPU。如果这里没有你的cuda版本，点击第三部分 Previous version。如果有对应版本，直接复制中间圈出来的指令即可。可以看到这里没有我需要的cuda11.1所以我们去Previous Version。
图中的三个圈依次是pytorch版本、conda or pip、操作系统选择。我们向下翻，找到需要的torch = 1.8，Windows系统、conda安装、cuda11.1，复制图中的指令即可，注意，这里的指令对应的版本根据你的需要做出选择，另外，我用的是conda下载，你也可以用pip指令下载，就在这张图位置的下方，其实pip快一点。
复制的指令直接执行（遇到y/N直接回车）：
指令⑧：（根据情况有所不同）
要注意的是，这里你可能会遇到两种问题，一是：
这个意思是你当前的源里面下载需要的依赖失败了，前面我们添加过清华源、这里如果不行你可以再添加中科大、豆瓣、华为等等的源，直接网上搜就可以。
二是，下载过程中，可能会发生，某个依赖下载到一般，进度条不动了，这时候一般是网络不好，解决方案是换一个好的网络，或者用pip指令下载。如果下载的时候一个进度条没有到100%就下载下一个依赖了，不要担心，只需要在这次指令执行完之后，再执行一遍这个指令即可，conda会帮你安装没有下载的依赖，而下载好的不会再次安装。
另外，如果安装卡住了，进度条不动了，可以点击一下进度条，按几下回车，看他还动不动， 如果不动了，可以关了页面重新打开prompt 激活环境、执行指令。
安装结束后，使用 conda list 查看安装的依赖，可以看到我的cuda、torch、torchversion都安装成功了，其它需要的一些依赖也自己安装好了（这里要补充说明的是，此时安装的cudatoolkit其实是一个阉割版的，仅仅能用到其中的部分功能，完整版的cudatoolkit和cudnn需要去英伟达的官网安装，网上也能找到教程）：
（3）验证
指令⑨:
python
import torch
如果没有报错，说明torch安装成功。
我们用conda创建了环境，就可以在pycharm里为一个工程配置这个环境，有两种情况，一种是新建一个项目，一种是为已有的项目配置环境。
（1）创建新项目并配置刚才创建的环境，步骤图下，依次点击文件->新建项目
图中我标出了三个圈，第一个是工程创建的路径。第二第三个是选择python解释器，前者是创建一个新的环境，其实和conda创建环境差不多，但是这里我们选择后者，我们自己创建好的环境，首先勾选 ”先前配置的解释器“，然后点击下图中的三个点
选择conda环境，你可以在解释器的下拉菜单中找到你刚创建的新环境，或者使用创建过的任意环境，如果下拉菜单没有，可以点击后面的那三个点，找到你自己Anaconda的安装目录下，envs\csdn（csdn是你的环境名）文件夹下的python.exe即可。Conda可执行文件默认就好。
点击确认返回上一界面，可以看到这里的解释器已经变成了我们在conda创建这个csdn环境时安装的python版本，点击创建即可：
（2）为已有的工程配置环境
首先打开你已有项目所在的文件夹，并依次点击 文件->设置
找到项目-> Python解释器 菜单，最右边箭头的位置就是选择解释器的位置
下拉菜单中，可以看到最近配置的环境，或者点击查看全部，可以看到所有的环境，选择你创建的环境即可。
同时在这里你也可以看到你自己安装的一些依赖，点击确认即可：
