pycharm怎麼配置conda

㈠ 如何在win10下配置anaconda環境變數

安裝之後配置環境變數的步驟如下：

1,點「我的電腦」，右鍵選「屬性」

2，選擇：高級系統設置

6,在「變數值」一欄，把自己所安裝的python路徑拷進去就可以了，我安裝的路徑是「C:Python27」。

7，完成之後，一路點擊確定關閉，就可以了。

8，這里要強調一下，現在下載的python都自帶pip,pip在python目錄下的Scripts目錄下，添加到系統的path路徑中就可以使用了。

㈡ 如何將Anconda新建的環境添加到pycharm中

首先進入 Anaconda Prompt ，創建一個測試環境
conda create -n env_test python=3.5 (python版本3.5，名叫env_test的環境)

然後進入該環境中，查看該環境包含了哪些庫
activate env_test
conda list
執行完上面兩句後，可以看到新建的環境中Anaconda已經為其添加了幾個必要的庫

File --> Settings --> 搜索Project Interpreter

到此，已成功的將新建的環境配置到pycharm中。

若您覺得本文章對您有用，請您為我點上一顆小心心以表支持。感謝！

㈢ anaconda python 怎麼使用

1、安裝anaconda 想更好的學習python請關注微信公眾號「Python基礎教程」！
之前什麼都不需要安裝，直接在官網下載anaconda，我下載的是Python2.7，32位的。
下載好文件後，直接雙擊安裝，可以自己選定安裝位置。
安裝完anaconda，就相當於安裝了Python、IPython、集成開發環境Spyder、一些包等等。
2、Python（shell）

這個和我們直接安裝Python得到的Python shell用法一樣。當然由於安裝了anaconda，所以在這里好多包我們都可以使用了。
3、IPython
3.1 IPython(shell)
我們可以直接點擊打開，也可以像下面這樣在命令提示符中輸入ipython

這個和我們pip install ipython安裝的ipython用法一樣。
3.2 Ipython QTConsole
直接點擊打開，

3.3 IPython Notebook
我們直接點擊打開，或者在命令提示符中輸入ipython.exe notebook。
4、Spyder（IDE）
4.1 Spyder
Spyder的最大優點就是模仿MATLAB的「工作空間」。
直接點擊打開：

4.2 其他的IDE使用anaconda
由於安裝完anaconda就自帶了Spyder集成開發環境了，所以不需要任何配置可以直接使用，但是其他你自己安裝的IDE要想使用anaconda需要配置。
配置的方法我們可以去官網了解。下面我們以Pycharm為例。
其實如果anaconda在Pycharm之前安裝，那麼遇到解釋器選擇的時候會有一個選項，我們直接選擇就OK了。如果在Pycharm之後安裝，我們只需要手動設置一下Pycharm所用的解釋器就行了。

5、安裝包
其實安裝完anaconda後，基本上就把我們常用的部分包安裝好了，但是畢竟只是安裝了一小部分（我們可以去官網查看安裝了哪些包），還有一部分需要我們自己來安裝。
查看已經安裝的包我們可以在命令提示符中輸入pip list或者用anaconda自帶的包管理器conda（conda list）。
5.1 pip 或conda安裝
我們可以在命令提示符中輸入pip install 包名，或者conda install 包名。conda和pip的用法基本上一致（更新？卸載？還不確定）。但是我們使用conda安裝的時候不僅會安裝當前你要安裝的包還會提示更新其他已經安裝過的包，所以我基本上都是直接用pip安裝。
5.2 文件安裝
pip或conda不能安裝的話，我們就下載文件安裝，比如exe文件（雙擊安裝）或者whl文件（pip安裝）等等。
6、anaconda自帶的命令窗口
上面我們說的命令提示符基本上都是在系統盤上的操作。其實anaconda自帶一個命令窗口。直接點擊打開

所有可以在「命令提示符」中運行的都可以在這里運行，只不過文件的路徑改變了而已。就比如我們在這兩個命令窗口中分別輸入ipython.exe notebook，默認的文件.ipynb存儲在不同的位置。

㈣ 關於pycharm中使用conda環境的問題

首先conda和原版python的虛擬環境沒有區別，感覺上唯一的區別是安裝包的方式不同，一個是用conda，一個是用pip安裝第三方包。然後就是conda里的numba可以用顯卡來加速運算， 普通python就沒找到可以GPU加速的方法。暫時就這些區別了。

而你出現這個問題的原因是，當前的項目環境是通過conda建立的虛擬環境，他除了常規的pip，setuptools，whell等這些初始包之外，其他的第三方包是不會給你弄的， 如果是按照這種環境來使用numpy的話， 需要在ide里的設置窗口中安裝numpy，其他的包也需要這種方式來安裝，用cmd也可以，只不過太麻煩了，不如這個方法來的效率，如下圖

㈤ conda環境與pycharm中建立虛擬環境的區別

virtual Enviroment是虛擬環境，很乾凈。創建出來會在env裡面多一個目錄，可以看到裡面有純python執行程序和少量依賴包。

你可以用conda自帶的環境，這個只需要你指向一下即可，既然很多庫都有了，一般情況就直接用這個就好。

㈥ macOS中pycharm使用Conda Environment添加conda虛擬環境

首先在conda內通過conda create創建一個虛擬環境，例如叫做==deeplearning==
之後在pycharm內：

之後在 Interperter 定位/.../anaconda3/ envs/==deeplearning/bin/python2.7==

大功告成！

㈦ python'的環境搭建怎麼弄

1、概念區分

對於剛剛開始學習Python的零基礎小白來說，可能很容易就會對Pycharm、Python解釋器、conda安裝、pip安裝這個幾個概念混淆。下面跟著我來逐一認識一下它們：

（1）Pycharm是Pytho開發的集成開發環境(Integrated Development Environment，簡稱IDE)，它本身無法執行Python代碼。

（2）Python解釋器才是真正執行代碼的工具，pycharm里可設置Python解釋器，一般我們可去Python官網下載Python3.7或Python3.8版本；如果安裝過anaconda ，它裡面必然也包括一個某版本的Python解釋器；Pycharm配置Python解釋器選擇哪一個都可以。

（3）anaconda是把python所有常用包的合集，並提供給我們使用 conda 命令非常非常方便的安裝各種Python包。

（4）conda安裝：我們安裝過anaconda軟體後，就能夠使用conda命令下載anaconda源里(比如中科大鏡像源)的包。

（5）pip安裝：也是一種類似於conda安裝的python安裝方法，如果用過Centos系統，它就像yum安裝一樣。

2、修改鏡像源

在使用安裝 conda 安裝某些包會出現慢或安裝失敗問題，最有效方法是修改鏡像源為國內鏡像源。之前都選用清華鏡像源，但是2019年後已停止服務。推薦選用中科大鏡像源。

先查看已經安裝過的鏡像源，cmd窗口執行命令：

conda config --show

查看配置項 channels ，如果顯示帶有 tsinghua ，則說明已安裝過清華鏡像。

channels:

https://mirrors.tuna.tsinghua.e.cn/tensorflow/linux/cpu/

https://mirrors.tuna.tsinghua.e.cn/anaconda/cloud/msys2/

https://mirrors.tuna.tsinghua.e.cn/anaconda/cloud/conda-forge/

https://mirrors.tuna.tsinghua.e.cn/anaconda/pkgs/free/

https://mirrors.tuna.tsinghua.e.cn/anaconda/cloud/pytorch/

下一步，使用 conda config --remove channels url地址 刪除清華鏡像，如下命令刪除第一個。然後，依次刪除所有鏡像源

conda config --remove channels https://mirrors.tuna.tsinghua.e.cn/tensorflow/linux/cpu/

添加目前可用的中科大鏡像源：

conda config --add channels https://mirrors.ustc.e.cn/anaconda/pkgs/free/

並設置搜索時顯示通道地址：

conda config --set show_channel_urls yes

確認是否安裝鏡像源成功，執行 conda config --show ，找到 channels 值為如下：

channels:

https://mirrors.ustc.e.cn/anaconda/pkgs/free/

defaults

以上就是分享的Python基礎學習之環境搭建的全部學習內容，大家都看懂了嗎？希望本文的分享能幫到大家！

㈧ 怎麼在mac 系統上使用Python怎麼安裝Anaconda

1. 首先安裝python，我選擇安裝Anaconda （Windows 64-Bit Python 2.7 Graphical Installer 下載地址）。
Anaconda的一些命令（在Anaconda的命令行窗口輸入）：
conda list #該命令，將列出Anaconda安裝的所有應用包，我們可以看到Anaconda已經安裝了numpy, nose, pip, python, scipy, mingw等等。
conda install <pkg name> #該命令用於安裝應用包，如 conda install numpy.
pip install <pkg name> #該命令用於安裝應用包，如 pip install theano.
conda update <pkg name> #升級應用包，如 conda update python
2. 安裝Theano，在Anaconda 的命令窗口中輸入 pip install theano，可以看到程序開始下載安裝包，並檢查是否滿足安裝條件：numpy>=1.5.0，scipy>=0.7.2，滿足條件之後開始運行setup.py安裝theano，安裝完成後會顯示Successfully installed theano。
3. 測試Theano安裝情況。
（1）在ipython中輸入以下兩行代碼：
import theano
theano.test（）
會顯示theano的版本號，安裝位置，已經其他包的安裝版本，如numpy,nose,python等。
在運行中出現g++不是內部或外部命令，也不是可運行的程序或批處理文件。
（2）在Anaconda的命令行窗口輸入：python Lib\site-packages\theano\tests\run_tests_in_batch.py
顯示unable to find theano-nose，查看run_tests_in_batch.py發現，其中路徑設置為在bin下尋找theano-nose文件，而實際上Anaconda文件夾下根本沒有bin這個文件夾，theano-nose存放在Scripts文件夾中。
》》》嘗試1：將Scripts更名為bin，重新運行這句命令，可以成功運行。但是出現一個warning，提示沒有檢測到g++，所以無法運行優化後的C代碼版本，只能執行python版本。
該種嘗試的結果是，下次打開Anaconda 命令窗口後出現錯誤，因為其運行路徑為Scripts，所以還是不要修改了。
（3）g++問題。我們打開MinGW文件夾，可以很清楚的看到有g++，但是為什麼使用不了呢？？在Anaconda 命令窗口中輸入g++也能成功調用g++.exe啊。所以結論是，鑒於這個代碼中出現很明顯的漏洞，所以說不定這里也是錯誤，先不管這些了。
試著做了以下配置，也不知行不行。
添加環境變數： path: C:\Anaconda\MinGW\bin;C:\Anaconda\MinGW\x86_64-w64-mingw32\lib;
新建環境變數： PYTHONPATH: C:\Anaconda\Lib\site-packages\theano;
在home目錄下（cmd可以看到，我的是C:\Users\Administrator），創建 .theanorc.txt 文件內容如下：
[global]
openmp=False
[blas]
ldflags=
[gcc]
cxxflags = -IC:\MinGW\include
（4）驗證BLAS是否安裝成功。由於numpy是依賴BLAS的，如果BLAS沒有安裝成功，雖然numpy亦可以安裝，但是無法使用BLAS的加速。驗證numpy是否真的成功依賴BLAS編譯，用以下代碼試驗：
>>> import numpy
>>> id（numpy.dot） == id（numpy.core.multiarray.dot）
False
結果為False表示成功依賴了BLAS加速，如果是Ture則表示用的是python自己的實現並沒有加速。

㈨ 重裝系統後（win10）如何配置anaconda（3）

1. 設置好GPU開發環境，安裝cuda8.0和cudnn5.1
2. 安裝Anaconda3-4.3.1-Windows-x86_64，默認Python版本為3.6
3. 安裝完以後，打開Anaconda Prompt，輸入清華的倉庫鏡像，更新包更快：
conda config --add channelshttps://mirrors.tuna.tsinghua.e.cn/anaconda/pkgs/free/
conda config --set show_channel_urls yes
4. 建立TensorFlow空間：conda create -n tensorflow python=3.5，設置Python版本為3.5
5. 激活TensorFlow空間：activate tensorflow
6. 安裝TensorFlow：pip install--ignore-installed --upgrade tensorflow_gpu-1.0.0-cp35-cp35m-win_amd64.whl
7. 測試TensorFlow：
import tensorflow as tf
hello = tf.constant('Hello, TensorFlow!')
sess = tf.Session()
print(sess.run(hello))

設置SSD運行環境
1． 安裝numpy（anaconda 離線安裝）：pipinstall numpy-1.12.1-cp35-none-win_amd64.whl
2． 安裝matplotlib（anaconda 離線安裝）：pipinstall matplotlib-2.0.1-cp35-cp35m-win_amd64.whl
3． 安裝opencv（離線）：anaconda中安裝：pipinstall opencv_python-3.2.0+contrib-cp35-cp35m-win_amd64.whl
4． 下載TensorFlow版本的SSD：git clone https://github.com/balancap/SSD-Tensorflow.git，或者下載壓縮包解壓
5． 解壓TensorFlowssd目錄下的/checkpoint里的ssd_300_vgg.ckpt.zip，得到模型參數
6． 安裝pycharm-community-2017.1.2.exe，python編輯器，File->Setting->Project:Python->ProjectInterpreter:修改Python版本到TensorFlow工作空間下的python
7． 在notebook下新建工程，新建test_ssd.py文件
8． 在pycharm中打開ssd_notebook.ipynb，復制非注釋的內容至test_ssd.py下
9． 修改test_ssd.py：
# Test on some demoimage and visualize output.
#path = '../demo/'
#image_names = sorted(os.listdir(path))
#print(image_names)
#for it in image_names:
cam=cv2.VideoCapture(0)
success, img = cam.read()
while success:
#img = cv2.imread(path+it)#mpimg.imread(path + it)
t1=cv2.getTickCount()
rclasses, rscores, rbboxes = process_image(img)
visualization.bboxes_draw_on_img(img,rclasses, rscores, rbboxes, visualization.colors_plasma)
t2=cv2.getTickCount()
print('time consumption:%.3f ms'%(1000*(t2-t1)/cv2.getTickFrequency()))
cv2.imshow('test',img)
c=cv2.waitKey(1)
if c==27:
break
# visualization.bboxes_draw_on_img(img, rclasses,rscores, rbboxes, visualization.colors_plasma)
#visualization.plt_bboxes(img, rclasses,rscores, rbboxes)
success, img = cam.read()
10． 運行程序test_ssd.py

㈩ pycharm配置環境沒有ln[]

方法/步驟：
1、打開一個Python文件後，發現並無法運行，並且提示你需要「Configure Python interpreter」。
2、這時候我們可以直接點擊提示的「Configure Python interpreter」進入相關設置界面。
3、但通常的路徑是：點擊進入「File」菜單下的「Settings」界面。
4、然後點擊進入「Project：YourProjectName」下的「Project Interpreter」。
5、在右側就能對Python環境進行配置了~ 如果之前沒有配置過，需要點擊右側的「設置」按鈕，選擇「add」選項。
6、在彈出的界面中：
如果安裝的為anaconda就在左側「Conda Environment」界面中進行設置。 如果直接安裝的Python的話就在左側「System Interpreter」界面中進行設置。
後續的設置步驟其實差不多：
1. 選擇「Existing environment」。
2. 找到Python或Anaconda安裝目錄下的「Python.exe」，單擊確認保存即可
7 此刻，再回到我們的項目中，就能夠運行啦！