pycharm与anaconda的结合使用

大家好，欢迎来到IT知识分享网。

pycharm与anaconda的结合使用

pycharm和anaconda的优点大家都有所了解了，这里我主要说明的是如何使用anaconda创建python的不同环境，在不同环境中安装不同版本包，接着使用pycharm创建项目关联anaconda中我们所创建虚拟环境中的python解释器。

Pycharm的安装
pycharm的下载地址：
网上很多的下载说明，这里就不再赘述，下载最新版即可。
Anaconda
anconda下载地址
登录官网下载最新版即可，完成安装。

开始讲解前，我们先明确一下Python、PyCharm和Anaconda的关系：

1、Python是一种解释型、面向对象、动态数据类型的高级程序设计语言。

虽然Python自带了一个解释器IDLE用来执行.py脚本,但是对日常编程和做调试维护项目并不方便。常见的是用Notepade++写完脚本，再用IDLE来执行，但却不便于调试。这时候就出现了PyCharm等IDE，来帮助我们调试开发。

2、PyCharm是一种Python IDE，带有一整套可以帮助用户在使用Python语言开发时提高其效率的工具，比如调试、语法高亮、Project管理、代码跳转、智能提示、自动完成、单元测试、版本控制。此外，该IDE提供了一些高级功能，以用于支持Django框架下的专业Web开发。
但是下载的Python自身并不自带numpy、matplotlib、scipy、scikit-learn…等一系列包，需要我们用pip来导入这些包才能进行相应运算（1.在cmd终端输入：pip install numpy就能安装numpy包了。
2.或者在pycharm界面的terminal终端输入：pip install numpy就能安装numpy包了。

3.如图所示，或者在pycharm中settings中python interpreter点击+号安装所需要的包，）虽然PyCharm也能自动搜索和下载包，但是但是总是会遇到有些包下载失败或查询不到，还有一点就是使用pip安装包时，并不会安装所有的依赖项，只会安装部分依赖项。随后，出现了Anaconda大蟒蛇。3、Anaconda是一个开源的Python发行版本。其包含了720多个数据科学相关的开源包，在数据可视化、机器学习、深度学习等多方面都有涉及。不仅可以做数据分析，甚至可以用在大数据和人工智能领域。因为包含了大量的科学包，Anaconda 的下载文件比较大（约 531 MB），如果只需要某些包，或者需要节省带宽或存储空间，也可以使用Miniconda这个较小的发行版（仅包含conda和 Python）。Anaconda通过管理工具包、开发环境、Python版本，大大简化了工作流程。不仅可以方便地安装、更新、卸载工具包，而且安装时能自动安装相应的依赖包，同时还能使用不同的虚拟环境隔离不同要求的项目。也就是说，Anaconda自带很多Python包，有了Anaconda就不用再对这些包进行安装了。

conda安装原理

1.先下载：下载到xxxxxx\anaconda\pkgs
2.再安装，安装到环境文件夹中xxxxxxx\anaconda\envs
所以我们在使用conda uninstall 安装包时，只会卸载当前环境的包，并不会影响其它环境，同时如果卸载后重新安装包时，便会从pkgs文件夹中获取压缩文件，无需重新下载（比如像pytorch大的安装包时重新下载便会浪费太多时间[建议conda install 某些大的安装包时，使用某些vpn选择国外节点下载会快一点]）

pip与conda安装对比

1.pip安装不会安装所有的依赖项只会安装部分依赖项，而conda会安装全部；
2.pip与conda不会重复安装已经安装的依赖。
3.pip不会告诉你都安装了什么，conda会
4.pip安装的内容不会显示在anaconda navigation的环境中，conda会。
5.conda下载安装包位置xxxxx\anaconda\pkgs
6.conda list后面如果显示为说明是pip安装，不会显示在环境之中

pip的确是python官方推荐的Python软件包安装管理工具，在安装Python软件包时，第一反应应该是pip。正是由于pip是Python官方推荐的“正统”工具，所以pip只专注于Python软件包之间的依赖，不考虑Python软件包与非Python软件包之间的依赖关系。
而Tensorflow和Pytorch等不仅依赖于Python软件包，还依赖于非Python软件包，如cudatoolkit、cudnn、cuda、interl-openmp、intel-MKL及protoc等。
conda在安装Tensorflow时，会同时解决TensorFlow所依赖的Python软件包和非Python软件包的问题，让安装变得简单。
鉴于此，结合anconda和pycharm各自优点，推荐大家使用anaconda配置环境，使用pycharm编写程序。具体流程如下：

conda创建虚拟环境

#创建名为your_env_name的环境
conda create --name your_env_name
#创建制定python版本的环境
conda create --name your_env_name python=2.7
conda create --name your_env_name python=3.6

这里我创建的环境如下：

conda create -n pytorch-gpu python=3.6

接着，激活环境，：conda activate pytorch-gpu如下图所示，发现base已经变成了我们创建的环境名字，代表我们进入了所创建的环境。便可以在此环境中安装所需要的包。

pycharm关联anaconda所创建虚拟环境的python解释器：

如下图所示，如果我们选择new environment using,便会创建一个新的虚拟环境，这里，我们选择previously configured interpreter(目前配置的解释器)


点击如上图所示位置，并按下图顺序点击添加解释器，

如下图所示，找到anaconda/envs我们所创建的虚拟环境下python解释器，点击ok完成。

这时，我们在终端pip install 和conda Install安装包都会安装在anaconda所创建的环境中。（当然我们可以根据自身需求使用conda创建多个python环境，pycharm新建新的项目重新添加想要的某个环境的python解释器便可)
至此，完成了anaconda下python环境和pycharm的关联。

结语：

恍恍惚惚学习数载，在学习过程中，难免遇到各种问题，希望能和大家一起进步！

还望多多支持，多多指教！
最后希望可以帮助自己和不平凡的各位！