Conda创建新环境-Toy模板网

这篇具有很好参考价值的文章主要介绍了Conda创建新环境。希望对大家有所帮助。如果存在错误或未考虑完全的地方，请大家不吝赐教，您也可以点击"举报违法"按钮提交疑问。

1.默认路径下创建新环境

首先打开Anaconda Prompt
conda创建环境命令,机器学习,conda,python
这里看到默认Conda安装路径，如果想要在默认路径下创建虚拟环境，直接使用如下命令：

conda create -n name python=3.7(python版本自己指定)

conda创建环境命令,机器学习,conda,python
如图，创建完毕。
可以使用如下命令查看当前有哪些环境

conda env list

conda创建环境命令,机器学习,conda,python

切换到新创建的环境

activate test

conda创建环境命令,机器学习,conda,python

退出当前环境

conda deactivate

conda创建环境命令,机器学习,conda,python

删除环境

conda remove -n test --all

conda创建环境命令,机器学习,conda,python

2.指定路径下创建环境

conda create --prefix=F:\condaenv\env_name python=3.7

F:\condaenv\env_name 替换为你自己的路径
其它命令也有一点小变化，如下：

activate  F:\condaenv\env_name  激活环境
conda remove -p F:\condaenv\env_name --all

3. 一些常见问题

在指定路径下创建环境后导入包在命令行可以使用，在Jupyter Notebook中无法使用？

解决办法：

1.确保已经使用activate env_name进入了虚拟环境中，然后打开Jupyter Notebook 再尝试一次！
2.确保已经尝试过1后还是不行的话，可以查看一下在命令行该环境下是否可以正常导入，如果可以的话使用下面的方法尝试：
先查看可以正常导入的环境中的编译路径
conda创建环境命令,机器学习,conda,python
然后打开Jupyter Notebook查看其使用的编译路径

如图两者明显不一样，则可以在Jupyter Notebook 编译路径的目录下重新执行pip导包即可。
3.上述方法还是不行的话，可以尝试手动给该环境创建一个kernel

先使用jupyter kernelspec list 查看Conda中有几个kernel
默认只有一个，下面的deeplearning是我自己创建的。

conda创建环境命令,机器学习,conda,python
找到默认的kernel的路径，进入该目录。

然后复制一份包含这三个文件的文件夹，如下图，python3是默认的，deeplearning是我复制的。

修改副本中kernel.json文件

然后再次执行jupyter kernelspec list看是否有新添加的内核，并打开Jupyter Notebook看问题是否解决。
conda创建环境命令,机器学习,conda,python
如果jupyter kernelspec list查看没有内核(确保kernel.json内容要正确)，或者在Jupyter Notebook中无法切换kernel，或者在Jupyter Notebook中切换内核失败，可以执行activate env_name 然后执行如下命令：

activate env_name

conda install ipykernel

python -m ipykernel install --user --name env_name --display-name "py3.7(env_name)"
--name后是虚拟环境的名称，--display-name后是希望该内核显示的名称。

完成之后再次进入Jupyter Notebook进行尝试。
不出意外，经过上述步骤应该是可以正常import了，可以使用下面命令查看正在使用的内核：
conda创建环境命令,机器学习,conda,python 文章来源地址https://www.toymoban.com/news/detail-801211.html