今天开始配置我的AI项目的环境，在AI开发领域，环境配置是每个开发者必须面对的"第一道坎"。很多初学者在遇到"依赖冲突"、"版本不兼容"等问题时，往往不知所措。今天，我将从基础概念出发，深入浅出地解释Anaconda与虚拟环境的关系，并阐述我的项目的环境配置过程。

一、Anaconda与虚拟环境：核心关系解析

1. 什么是虚拟环境？

虚拟环境（Virtual Environment）是一个独立的Python运行环境，它包含特定版本的Python解释器和一组安装的包。在虚拟环境中，你可以安装特定版本的库，而不会影响系统全局的Python环境。

2. 为什么需要虚拟环境？

在AI项目开发中，不同项目可能依赖不同版本的库（例如，项目A需要TensorFlow 2.5，而项目B需要TensorFlow 2.10）。如果没有虚拟环境，这些依赖冲突会导致项目无法正常运行。

3. Anaconda的角色

Anaconda是一个开源的Python发行版，专为数据科学和机器学习设计。它包含：

• Python解释器
• Conda包管理器
• 150+常用科学计算库

关键点：Anaconda的核心优势在于它自带的Conda工具，Conda不仅可以管理Python包，还能管理非Python的依赖（如C++库），并且支持跨平台（Windows、Mac、Linux）。

4. Anaconda与虚拟环境的关系

• Anaconda提供了创建虚拟环境的工具：通过conda create命令，可以轻松创建独立的Python环境
• Conda是管理虚拟环境的"中枢"：它负责环境的创建、激活、包安装和卸载
• 虚拟环境是Anaconda的核心功能：Anaconda的真正价值在于它让环境管理变得简单、可靠

简单来说：Anaconda是"工具箱"，虚拟环境是"工作间"，Conda是"管理员"。

二、AI项目环境配置实战指南

步骤1：安装Anaconda

1. 访问Anaconda官网
2. 下载完后点击安装并点next直到选择安装路径，一般习惯安装到D盘（安装路径不要包含中文），务必记住这个安装路径
   
3. 勾选以下三个选项（第二个如果不勾选需要手动配置环境变量）
   
4. 验证是否安装成功：打开cmd输入conda --version查看是否成功
   
   有内容就代表成功

步骤2：安装python和项目需要的库

1. 创建虚拟环境：进入cmd输入 conda create --name 环境名 python=版本号
   我这个项目使用的是：conda create --name env_yao python=3.9.19
   输入命令后一路y或回车就行
2. 进入虚拟环境安装所需要的库和包
   输入命令conda activate 你上面创建的虚拟环境名，我这里是conda activate env_yao
   
   如图表示已经成功进入虚拟环境了
   接下来下载常用的库即可，我这里是：

pip install -i https://mirrors.aliyun.com/pypi/simple/ scikit-learn==1.6.1
pip install -i https://mirrors.aliyun.com/pypi/simple/ numpy==1.24.2
pip install -i https://mirrors.aliyun.com/pypi/simple/ pandas
pip install -i https://mirrors.aliyun.com/pypi/simple/ jupyter
pip install -i https://mirrors.aliyun.com/pypi/simple/ tensorflow==2.10.1

如果下载失败可以尝试换源下，我这里用的阿里源，另外最好下载时关闭梯子（如果开了的话）
3. 下载pytorch
这一步要下载cuda对应的版本，否则无法使用gpu，如果电脑没有独显的话可随意选一个版本下载。
首先打开cmd输入nvidia-smi

右上角是cuda版本，进入官网往下滑，找到对应版本的然后复制下面的命令，到你的虚拟环境中运行。例如我这里是13.0，就找≤13.0的版本。如果找不到你的版本就点击下面的按钮查看以前的版本

4. 最后conda list查看下载的包

至此虚拟环境就配好了，之后可以在pycharm和vscode中选择配好的该虚拟环境的编辑器即可运行使用该虚拟环境