跳转至

2023-07 Conda 虚拟环境

内容梗概

本课系统讲解用 conda 管理虚拟环境。老师先说明为什么从之前的 pipenv 方案全面转向 conda：pipenv 无法脱离宿主 Python 版本的限制，而 conda 可以创建任意 Python 版本的独立环境。随后梳理了 Anaconda → Miniconda 的演进关系（用画图方式拆解 conda、Python 环境、预装包三者的组合关系），并给出 conda 在 Windows 上的完整配置流程（环境变量 + conda init）。最后以 autocut、stable-diffusion-webui 等真实 AI 项目为例，演示 conda env list、conda create -n 名字 python=版本、激活环境、用 python -V 和 conda list 验证环境状态，并实地查看虚拟环境中的 site-packages 目录。

说明：字幕为语音转写，"conda"与"pipenv"在转写中有混淆（如"空大""PPENV"等）。按上下文判断，老师早期视频讲的是 pipenv，本课转向 conda。

知识点详解

为什么需要虚拟环境、为什么选 conda（约 00:00–02:46）

  • 实际项目都不是从头写的，都依赖第三方库；一台机器上会有很多不同项目，依赖各不相同，因此需要虚拟环境做隔离。
  • 老师早前视频讲的是 pipenv 这类虚拟环境管理机制（它本身是 Python 的一个第三方包），现在全面转向 conda。
  • 原因：pipenv 不能脱离 Python 自身版本的限制。 举例：你装了 Python 3.11，pipenv 属于 3.11 这个环境下的一个包；如果网上某个项目要求 Python 3.7，pipenv 没法跳出 3.11 再给你整一个 3.7 的环境，实现起来非常麻烦。

Anaconda 与 Miniconda 的关系（约 02:47–08:08）

  • 最早出现的是 Anaconda：面向科学计算用户（数据分析师、科研人员等，计算机不太熟但要用 Python 做计算，比 R、MATLAB 更好工程化）。
  • Anaconda = conda 包管理器 + 自带的 Python 环境（如 py3.11）+ 预装好的大量科学计算包（pandas、scipy，甚至深度学习框架等）。总体积约 900 MB，其中包可能占 850 MB。
  • Miniconda = 把 Anaconda 中的预装包剥掉，只保留最基本的 conda 软件 + 一个干净的 Python 环境，第三方包全部手动安装，体积小得多（约 50 MB）。
  • 好处：conda 像虚拟机或 Docker 一样做整个环境的控制管理工具，可以创建 Python 3.7、3.9、3.11 甚至 2.7 的不同环境，跳出 Python 版本限制，按目标项目的要求精确创建环境。

真实案例：版本冲突（约 09:07–11:51）

  • 例 1：B 站"跟李沐学 AI"大神做的 autocut（字幕里转写为 autoCAD）：用文本编辑器剪视频的工具，删掉字幕里重复的句子视频就自动重剪，对老师录课非常有用；依赖 torch、moviepy 等第三方包，当时要求 Python 3.9。
  • 例 2：stable-diffusion-webui（文生图）：requirements 要求 Python 3.10.6，课程装的 3.11 就不好使。
  • 这类冲突正是要用 conda 建独立环境解决的场景。

conda 配置第一步：环境变量（约 11:51–14:42）

  • 老师装的是 Miniconda3（"3" 指自带的 Python 以 Python 3 为主）。
  • 若命令行里输入 conda 提示找不到命令，第一时间检查环境变量（右键设置 → 系统信息 → 高级系统设置 → 环境变量）。
  • 需要添加**两个目录**，缺一不可：
  • miniconda3（或 anaconda）的**安装根目录**：里面放的是 python.exe；
  • 安装目录下的 Scripts 目录：里面放的是 pip、conda 等辅助工具。
  • 这是安装包自己的目录设计，两个都加好后命令行才能跑 conda。

conda 配置第二步：conda init 初始化 shell（约 14:42–16:41）

  • 光能找到 conda 命令还不够：很多同学 conda 能运行，但**激活虚拟环境时报错**，原因是没有初始化。
  • 用 conda init <shell名> 为不同的 shell 程序初始化 conda 交互指令；conda init --help 可查看支持的 shell：bash、cmd.exe、powershell、fish、tcsh 等。
  • Windows 下建议同时执行 conda init cmd.exe 和 conda init powershell；Mac 默认 bash（若换过 zsh 需自行处理）。
  • 初始化后**重启终端**，提示符前会出现 (base) 字样，表示当前处于 conda 的基础环境——这是配置成功的标志。

常用命令（约 16:41–20:54）

  • conda env list：查看已创建的所有虚拟环境。环境默认放在 conda 安装目录下的 envs（environments）文件夹里。老师展示了自己的环境：ac（autocut）、bark（文本转语音）、cover（自己写的小项目）、sdai（stable diffusion）、so-vits（AI 孙燕姿类歌声转换）、video2lip（数字人）等。
  • conda create -n ac python=3.11：创建环境。-n 即 name，指定环境名；后面指定 Python 版本，可精确到小版本（如 python=3.10.6）。
  • conda create -h：查看参数帮助，底部 examples 里有最常见用法；还可以在建环境时直接指定要包含的包，如 conda create -n 环境名 python=3.11 moviepy。
  • 实用技巧：PowerShell 里按 Ctrl+R 可以搜索历史执行过的命令。
  • conda activate 环境名：激活/切换环境（如 conda activate sdai），提示符前括号里的名字会跟着变。
  • python -V（V 大写）：查看当前环境的 Python 版本和安装路径——环境配置搞懵时的"指路明灯"。演示：sdai 环境是 3.10.6，另一个环境是 3.11.3。
  • conda list：查看当前环境已安装的包清单。常见踩坑：明明装过包却报找不到模块，很可能是 pip/conda install 时**装到了别的环境**里，用 conda list 一查便知，"找得到就是有，找不到就是没有"。
  • 不同环境状态完全独立：两个环境的 torch 一个是 2.0 一个是 2.0.1，一个带 CUDA 一个不带。

实地查看 site-packages（约 23:51–结尾）

  • 回应上节课（2023-06）的说法：进入 C:\Users\<用户名>\miniconda3\envs\sdai\Lib\site-packages，可以实际看到安装的包。
  • 以 certifi、filelock、jinja2 为例：每个包文件夹里都有 __init__.py，旁边还有对应的包信息（dist-info）目录。
  • 注意：site-packages 里不仅有手动装的包，还有 Python 内置自带的一些内容；不是通过 pip/conda 装的可能在清单里不显示。

示例与演示

  • 画图拆解：conda（软件）→ 自带 Python 环境 → 内含大量预装包，三者打包成 Anaconda；抽掉预装包即得 Miniconda。
  • 环境变量排错演示：找不到 conda 命令时去高级系统设置检查 miniconda3 与 miniconda3\Scripts 两个路径。
  • conda init 演示：为 cmd 和 PowerShell 初始化，重启后出现 (base)。
  • 建环境演示：conda create -n ac python=3.11；用 Ctrl+R 翻出历史上为不同项目创建环境时用的精确版本（3.9、3.10.6）。
  • 切换与验证演示：conda activate 切换 ac / sdai 环境，分别用 python -V 看版本与路径、用 conda list 对比两个环境安装的包（torch 版本、是否带 CUDA）。
  • 文件管理器演示：进入 envs\sdai\Lib\site-packages 实地查看 certifi、filelock、jinja2 等包及其 __init__.py。

重点与难点

  • conda 相对 pipenv 的核心优势：能为不同项目创建不同 Python 版本的环境，不被宿主 Python 版本锁死。
  • 配置两步走，缺一不可：①环境变量加**安装根目录 + Scripts 目录**；②conda init 对应 shell 后**重启终端**（否则能跑 conda 却激活不了环境，提示符前也没有 (base)）。
  • 装错环境是新手最常见的坑：装包前先看提示符前的环境名，报错时先 conda list 验证。
  • python -V（大写）确认版本和路径，是排查环境混乱的第一手段。
  • Anaconda 大而全（约 900 MB），Miniconda 精简（只留 conda + 干净 Python），按需选择；miniconda3 的 "3" 指 Python 3 系列。

关联内容

  • 承接 2023-06"模块与包补充"：本课实地验证了 site-packages 和 __init__.py 的说法。
  • 对应正课第 10 章：10.5 虚拟环境管理（原视频主讲 pipenv）、10.6 Python 与 Anaconda，本课是对这两节的更新与补充。
  • 下一课 2023-08"虚拟环境工作流演示"将用本课的 conda 命令完整部署一个真实开源项目。
  • 前置知识：环境变量的概念（"计算机维护"类课程讲过）、命令行/终端的基本使用。