最近在学习深度学习的相关内容，在论文复现的过程中，由于各个代码所依赖的包和版本都大有不同，因此使用conda来管理虚拟环境是十分方便的。但是conda安装包存在诸多问题，包括默认源下载慢，conda库不全，很多版本的包下载不了等问题。在环境配置上就浪费了很多的时间，最近找到一个比较稳妥的方法，在这里分享给大家。
conda create -n 环境名 python=x.xconda avtivate 环境名
conda install 包名==版本但是相信很多同学都遇到过下载速度过慢，然后各种倒腾conda的channel，添加镜像源等，我之前也这样尝试过，但有时会出现各种各样的bug，浪费了很多时间。
因此我在网上查询了如何使用pip指定虚拟环境安装依赖包，防止出现本来想安装到虚拟环境1，结果给安到了base环境中。
首先，在构建大型项目时，推荐大家添加requirement文件来指定环境依赖。在深度学习项目中，很多的项目都会提供requirement.txt文件，如下图所示
这种写法是十分方便规范的，通过该文件，我们便可以一次性安装好所需依赖包。由相信很多同学在使用conda安装包时，都遇到当前源无法找到该依赖包的问题。pip的库会丰富很多，那么如何指定pip对应的环境呢？
有一些博主给出了更改pip配置文件的方法，我没有进行尝试，虽然网上有成功案例，但是由于担心修改配置文件出现各种问题（就像修改channel的配置文件一样，也会有各种报错），因此没有选择该方法。
最终我选择的方案是：
1. 首先，找到虚拟环境所在目录的python.exe文件位置，一般位于Anaconda所在目录的env文件下，如我本次复现的代码，它的虚拟环境名为Image-Adaptive-YOLO
对于我的环境来说，该路径为： D:Anaconda3envsImage-Adaptive-YOLOpython.exe
2. 接下来，我们就可以指定由该python来安装包，在终端中按如下格式输入命令
python.exe所在路径 -m pip install -r requirment.txt所在路径 -i 国内源其中，-m和-r是必不可少的。通过-i可以指定国内源，速度会加快很多很多，例如清华源。对于我的项目，我的执行代码便如下所示：
D:Anaconda3envsImage-Adaptive-YOLOpython.exe -m pip install -r .Imag
e-Adaptive-YOLOdocsrequirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple其中，requirment.txt的路径我是通过相对路径给出的，这取决于终端所在路径与requirment文件的相对位置。大家只需要修改python.exe所在路径和requirments.txt所在位置即可，接下来就可以成功运行啦。
如果出现版本冲突的问题，大家只需要按照给出提示，删除冲突包并重新下载对应版本即可，注意仍然要指定python.exe，如下所示
D:Anaconda3envsImage-Adaptive-YOLOpython.exe -m pip uninstall six希望以上内容可以帮助到大家！有什么问题大家可以在评论区留言，我也会尽力帮助大家。
原文地址:https://blog.csdn.net/qq_52486404/article/details/128637285
本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。
如若转载，请注明出处：http://www.7code.cn/show_14309.html
如若内容造成侵权/违法违规/事实不符，请联系代码007邮箱：suwngjj01@126.com进行投诉反馈，一经查实，立即删除！
