Python 虚拟环境的核心价值在于隔离。想象一下，你手头有多个项目，一个需要古老的 Django 1.11，另一个则要尝鲜最新的 PyTorch 2.0，如果把它们都装在同一个全局环境里，版本冲突几乎是必然的。为不同项目建立隔离的开发环境，能有效避免依赖冲突，确保每个项目都能拥有其特定版本的 Python 解释器和第三方库，这正是虚拟环境存在的意义。
使用 Conda 创建 Python 虚拟环境
在 Miniconda 或 Anaconda 的生态中，我们主要使用 conda 命令来管理虚拟环境。假设我们要为一个机器学习项目建立一个名为 keras-bk 的环境，并指定使用 Python 3.10。
首先，打开你的终端（在 WSL 中），进入用户目录，然后执行以下命令：
conda create -n keras-bk python=3.10 -y
这个命令中，-n 选项（等价于 --name）用于指定虚拟环境的名称，这里就是 keras-bk。python=3.10 则明确了我们需要安装的 Python 版本。最后的 -y 参数表示自动确认，省去手动输入“y”的步骤。
命令执行后，你会看到一系列输出，包括解析依赖、下载包等过程。下图展示了命令执行的初始阶段：
稍等片刻，当环境创建完成，终端会给出如何激活该环境的提示，如下图所示：
环境创建成功后，为了让 conda activate 和 conda deactivate 命令在 shell 中生效，我们需要初始化 conda。执行以下命令：
conda init
初始化完成后，务必关闭并重新打开终端，以使更改生效。初始化过程通常会修改你的 shell 配置文件（如 .bashrc）。
重新启动终端后，你应该能在命令行提示符前看到 (base) 字样，这表示当前处于 conda 的“基础”环境。现在，我们可以查看已有的所有环境列表：
conda env list
执行结果会列出所有环境及其路径，带 * 号的是当前激活的环境。你应该能看到刚刚创建的 keras-bk。
激活并使用虚拟环境
要进入我们创建的 keras-bk 环境，使用 activate 命令：
conda activate keras-bk
成功激活后，命令行提示符前的 (base) 会变成 (keras-bk)。
现在，你已身处一个干净的、仅包含 Python 3.10 和基础包的独立环境。可以查看当前环境下已安装的包：
conda list
接下来，让我们在这个环境中做点实际的事情。例如，安装一个轻量级的 Python IDE —— Thonny 来进行开发测试：
pip install thonny
安装完成后，直接输入 thonny 命令即可启动。首次启动会有一个简单的设置向导，保持默认选项，点击 “Let‘s go!” 即可。
在 Thonny 的编辑器中，你可以编写 Python 代码。例如，输入以下两行：
num = 10
print(num)
然后按 F5 运行，你将在下方的 Shell 窗口看到输出结果 10。
退出与删除虚拟环境
当你在 keras-bk 环境中完成工作后，可以使用以下命令退出当前环境，回到 base 环境：
conda deactivate
如果你确定某个虚拟环境不再需要，可以将其彻底删除以释放磁盘空间。请注意，此操作不可逆。在 base 环境或其他环境中，执行：
conda env remove --name keras-bk
系统会提示你确认，因为该环境目录下的所有文件都将被删除。输入 y 确认。
总结
通过 conda create, conda activate, conda deactivate 和 conda env remove 这一组命令，你已经掌握了使用 Conda 管理 Python 虚拟环境的基本生命周期操作。这种隔离实践是现代Python开发中管理项目依赖的基石，尤其在进行数据科学或机器学习项目时，能让你在不同版本的库和框架之间游刃有余。如果你在实践过程中遇到任何问题，或想分享自己的环境管理技巧，欢迎在云栈社区与其他开发者交流讨论。
发表于 2 小时前
|
查看: 2|
回复: 0
