1.Anaconda虚拟环境查看
安装好anaconda环境后，有两种方式可以查看虚拟环境：
第一种：
打开anaconda，如图所示即可查看。
第二种：
打开Anaconda Prompt，输入
conda env list
如图所示，base环境即是当前的环境，TensorEMG是我创建的环境，base环境是下载好anaconda后自带的环境。
2.为什么要装虚拟环境
base环境是anaconda中自带的环境，其中有许多默认的库，具体可以通过在base环境下输入conda list查看。
conda list
那么为什么需要创建虚拟环境呢？
我的理解是，比如我们要做深度学习，需要安装tensorflow、pytorch等库，这其中就存在库的相互依赖的问题，base环境中的库已经很多了，有可能和我们要安装的库存在冲突等问题，这也是我们在用pip命令无脑安装库时容易出现各种奇怪的bug的原因。
那怎么办呢？虚拟环境就为我们解决了这个问题，其实虚拟环境这个名字听着不够直白，说白了就是再创建一个或多个类似于base一样的环境。比如我们要用tensorflow做深度学习，那我就可以创建一个虚拟环境，当这个环境刚创建好的时候，里面基本上没有什么库，东西很少，在它的基础上，我们就可以安装各种库，在运行程序的时候只需要选择对应的环境就行。同理，要用pytorch搞深度学习，那就再创建一个对应的虚拟环境就好。
3.如何创建虚拟环境
打开Anaconda Prompt，输入如下命令：
conda create -n name(要创建的虚拟环境的名字) python=3.8
上述代码是创建一个名字为name，python版本是3.8的虚拟环境，输入回车即可。
比如我们创建一个名字为mydemo，python为3.7的虚拟环境：
conda create -n mydemo python=3.7
如图所示，表示环境创建成功，通过如下命令进入该环境：
conda activate mydemo
如图，表示进入该环境，通过conda list可以查看该环境下的库：
如果想要删除虚拟环境，输入以下命令即可：
conda remove -n your_env_name --all
现在就可以在该环境下通过pip或conda安装相关的库了。一般需要先安装Tensorflow不易出错！
以tensorflow的库为例：
参考：通过清华镜像网站快速安装tensorflowhttps://blog.csdn.net/jorg_zhao/article/details/80075293
注意安装和管理包时，conda和pip的不同之处，这是个坑！！pip list 和 conda list的不同
cpu版本，安装最新版本：
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple/ --upgrade tensorflow
cpu版本，安装指定版本：
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple/ tensorflow==2.3.0
4.配置jupyter notebook内核
在我们刚刚创建的虚拟环境下，安装ipykernel库，利用ipykernel库将该虚拟环境写入到jupyter中。
首先，在当前环境下安装ipykernel库，输入：
conda install ipykernel
然后，在当前环境下将该环境写入jupyter，输入如下：
注意：name后跟当前环境名
python -m ipykernel install --user --name mydemo --display-name mydemo
表示已经将该虚拟环境添加到jupyter的内核中去了，再输入jupyter notebook就可以进入jupyter notebook。
可以看到刚刚添加的mydemo虚拟环境的内核已经在了，这里面还有几个虚拟环境是我之前装的，可以选择mydemo为当前内核，我们导入之前安装的tensorflow，可以看到导入成功，版本为2.3.0，python版本为3.7。
至此，Anaconda虚拟环境+jupyter内核配置完毕，想要安装什么库，只需要在Anaconda Prompt下进入对应的虚拟环境进行安装即可。注意，如果存在有的库安装失败，通过上网查找也是可以解决的。
5.补充
1.conda常用命令
参考：Conda 常用命令：https://blog.csdn.net/u010414589/article/details/107441469
2.jupyter notebook 内核常用命令
在cmd或Anaconda Prompt都可以运行
//查看 Jupyter notebook kernel
jupyter kernelspec list
//删除 jupyter 内核
jupyter kernelspec remove kernelname
后记
其实这块最容易出错的地方就是安装库的时候，根据错误上网能查到各种各样的答案，但是往往解决了这个错误又出现了别的错误，而且有的答案写的根本看不明白，或者说他的答案仅仅能够解决他的问题，不具有普遍性。经过大半天的挣扎，我发现其实这个过程就是一个python解释器再加各种库的安装，出现简单问题还好解决，复杂问题真的很让人头疼，最主要的是浪费大量时间！而虚拟环境就能够完美解决这个问题，既然这个环境被我玩坏了，装了乱七八糟的东西，报了各种各样的错误，那大不了我再新建一个环境玩嘛，大不了就是重新装库，其实重新装库的时间和改bug的时间差不多，而且下载慢的那些库都可以通过镜像网站快速下载，但是改bug让人心累啊，重装解决一切问题。
以上是我自己的一些浅薄认识，主要是记录一下，免得下次再遇到这样的问题！文章来源：https://www.toymoban.com/news/detail-438765.html
补充：Anaconda 创建 32 位 Python 环境
Anaconda 创建 32 位 Python 环境文章来源地址https://www.toymoban.com/news/detail-438765.html
到了这里，关于Anaconda虚拟环境+jupyter内核配置（详解）的文章就介绍完了。如果您还想了解更多内容，请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章，希望大家以后多多支持TOY模板网！
