摘要：

日常办公经常需要在新机器上部署运行环境并进行代码调试，尤其是在AI迅速发展的今天，python已经成为了强有力的AI领域编程语言之一。为了方便对不同windows下python代码工程进行快速部署。本文主要从工具环境的安装、原环境的快速打包、新环境的安装三个方面进行讲解。

一、工具环境的安装

1.Anaconda与Miniconda选择

Python是一种跨平台的计算机程序语言，具有解释性、编译性、互动性和面向对象的特性。

Python的主要虚拟环境工具是Anaconda和Miniconda，但它们之间存在一些明显的区别。

首先，关于Anaconda和Miniconda的区别：

包含的软件包数量：Anaconda是一个大型的Python数据科学平台，包含了大量的Python包和工具，如NumPy、Pandas、Scikit-learn等。这使得Anaconda成为一个一站式解决方案，适合那些希望快速开始数据科学项目的用户。而Miniconda则是一个更小的发行版，只包含了一些基本的Python包和工具，如Conda、Python及其依赖项，以及少量常用包。安装体积：由于预装了许多包，Anaconda的安装体积比Miniconda大很多。Anaconda安装后占用的空间更大，需要更多的系统资源。而Miniconda则相对较小，占用空间更少，也更容易管理。灵活性：Miniconda提供了更大的灵活性，因为你可以只安装需要的包，从而使环境保持轻量。这对于那些只需要特定Python包的用户来说非常有用。而Anaconda则适合那些希望一站式安装所有数据科学需要的包的用户。集成开发环境（IDE）：Anaconda提供了一个可视化的集成开发环境Spyder，而Miniconda则不包含这个IDE。然而，你可以在Miniconda环境中安装其他IDE，如Jupyter Notebook或PyCharm。

为了运行Python代码，我们需要一个Python解释器和一个合适的运行环境。

Anaconda和Miniconda都是Python的发行版，它们提供了一个完整的Python环境和一系列预装的软件包。这些发行版还包含了一个包管理器（conda），用于安装、更新和管理Python包及其依赖项。通过conda，用户可以轻松地创建和管理多个Python环境，以满足不同项目的需求。

Anaconda是一个大而全的发行版，适合那些需要一站式解决方案的用户；Miniconda则是一个轻量级的发行版，适合那些只需要特定Python包的用户。Python则是这些发行版的基础，用于编写和运行代码。

在大多数情况下，miniconda就足够了，因为不同的python需要下载的库一般都有依赖索引，因此只需要每次通过对安装的库进行验证，失败后重新pip或者conda安装便可。

2.安装方式

根据自己电脑的操作系统进行相应版本的选择（windows、macos、linux），下载并安装

Anaconda 

Index of /anaconda/archive/ | 清华大学开源软件镜像站 | Tsinghua Open Source Mirror

Miniconda Index of /anaconda/miniconda/ | 清华大学开源软件镜像站 | Tsinghua Open Source Mirror

3.启动项配置

为了方便在命令行中验证是否可以使用需要输入conda指令，若找不到对应的指令，则需要将其添加到电脑的环境变量path下。具体操作如下：

可以按照如下的过程进行配置：

anaconda

:: 打开系统环境变量设置

sysdm.cpl

:: 在弹出的系统属性中，点击高级 -> 环境变量 -> 系统变量

:: 点击新建，添加Conda的安装路径

:: 例如，如果Conda安装在C:\Users\YourUsername\Anaconda3

:: 变量名：PATH

:: 变量值：C:\Users\YourUsername\Anaconda3;C:\Users\YourUsername\Anaconda3\Scripts;

:: 点击确定保存更改

miniconda

:: 打开系统环境变量设置

sysdm.cpl

:: 在弹出的系统属性中，点击高级 -> 环境变量 -> 系统变量

:: 点击新建，添加Conda的安装路径

:: 例如，如果Conda安装在C:\Users\YourUsername\Miniconda

:: 变量名：PATH

:: 变量值：C:\Users\YourUsername\Miniconda;C:\Users\YourUsername\Miniconda\Scripts;

:: 点击确定保存更改

成功时其效果图如下：

二、国内镜像环境的加速配置

通过配置镜像环境可以加快下载函数库的速度。

1.conda

首先需要在C盘的用户下找到对应的系统账号文件夹，然后将.condarc文件放进去。其中.condarc配置如下：

##清华源

channels:

- defaults

show_channel_urls: true

default_channels:

- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main

- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r

- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2

custom_channels:

conda-forge: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud

msys2: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud

bioconda: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud

menpo: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud

pytorch: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud

simpleitk: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud

##阿里源

channels:

- defaults

show_channel_urls: true

default_channels:

- http://mirrors.aliyun.com/anaconda/pkgs/main

- http://mirrors.aliyun.com/anaconda/pkgs/r

- http://mirrors.aliyun.com/anaconda/pkgs/msys2

custom_channels:

conda-forge: http://mirrors.aliyun.com/anaconda/cloud

msys2: http://mirrors.aliyun.com/anaconda/cloud

bioconda: http://mirrors.aliyun.com/anaconda/cloud

menpo: http://mirrors.aliyun.com/anaconda/cloud

pytorch: http://mirrors.aliyun.com/anaconda/cloud

simpleitk: http://mirrors.aliyun.com/anaconda/cloud

##显示配置的通道

conda config --show channels

##指定添加

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/

##显示数据源地址

conda config --set show_channel_urls yes

##全部删除

conda config --remove-key channels

##指定删除

conda config --remove channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/

conda config --remove channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/

2.pip

在windows下pip的配置一般在如下的目录下的pip.ini

构建对应的文件后可以配置如下的信息来实现国内源加速。

##pip指令配置

pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple

pip config list //查看当前源列表

##pip.ini修改配置

[global]

index-url=https://pypi.tuna.tsinghua.edu.cn/simple

3.国内源相关总结

清华大学 ：https://pypi.tuna.tsinghua.edu.cn/simple/

阿里云：http://mirrors.aliyun.com/pypi/simple/

中国科学技术大学 ：http://pypi.mirrors.ustc.edu.cn/simple/

华中科技大学：http://pypi.hustunique.com/

豆瓣源：http://pypi.douban.com/simple/

腾讯源：http://mirrors.cloud.tencent.com/pypi/simple

华为镜像源：https://repo.huaweicloud.com/repository/pypi/simple/

我的两个配置文件的云盘地址：（大家自行下载放置）

链接：https://pan.baidu.com/s/1rK0dEPJDDPbFl75JqIS1Xg?pwd=ce11 

提取码：ce11

三、conda虚拟环境的打包方式（持续更新）

conda自带的环境打包

导出环境到文件：

conda env export > 环境文件.yml

从环境文件创建环境：

conda env create -f 环境文件.yml

docker

pip

pip install -r requirements.txt

四、常用的conda环境构建指令

1、创建环境：

conda create --name myenv python=3.8

2.从环境文件创建环境：

conda env create -f 环境文件.yml

3、管理环境：

激活环境：

conda activate 环境名称

退出环境：

conda deactivate

列出所有环境：

conda env list

删除环境：

conda env remove --name 环境名称

4、管理包：

安装包：

conda install 包名

安装特定版本的包：

conda install 包名=版本号

升级包：

conda update 包名

卸载包：

conda remove 包名

搜索包：

conda search 包名

5、管理包环境：

导出环境到文件：

conda env export > 环境文件.yml

从环境文件创建环境：

conda env create -f 环境文件.yml

克隆环境：

conda create --clone 源环境名称 --name 新环境名称

6、其他常用命令：

显示已安装的包列表：

conda list

显示包的详细信息：

conda info 包名

显示conda的版本信息：

conda --version

显示conda的帮助信息：

conda --help