百度360必应搜狗淘宝本站头条
当前位置:网站首页 > 技术文章 > 正文

一文吃透Python虚拟环境

itomcoil 2025-05-21 14:19 15 浏览

摘要

在Python开发中,虚拟环境是一种重要的工具,用于隔离不同项目的依赖关系和环境配置。本文将基于windows平台介绍四种常用的Python虚拟环境创建工具:venv、virtualenv、pipenv和conda,包括它们的特点、用法和适用场景。

正文

创建Python根解释器

  • 即用来执行Python代码,分为Python2、Python3(类似Java6、Java8这种),现在大多数都使用Python3。
  • 通常我们说安装Python,其实就是安装Python解释器;说Python版本,其实也是指Python解释器版本。
  • 在Python官网,可以下载到各版本Python解释器的安装程序。以Python3.11为例,我们下载Windows installer (64-bit)安装,完成后目录结构如下:
  • 如果安装时没有勾选自动将Python加入环境变量,那么请手动加入环境变量
  • 双击python.exe,出现cmd窗口,其实是一个交互式环境,我们可以直接输入并执行Python代码:

python.exe

pythonw.exe

此二者功能基本一样,如果不是gui程序,一般使用第一个:python.exe

为什么要使用虚拟环境

隔离项目环境

上面是yolov5、yolov3项目的requirements.txt文件,从上图看出:

  1. 若安装的torch的版本是1.7.0,那么你可以运行yolov3内的程序。但不能运行yolov5,因为v5需要1.8.0
  2. 若安装的torch的版本是1.8.0,那么yolov3、yolov5都可以运行。

如果你之前一直使用使用yolov3,但现在让你研究yolov5,你肯定不想来回卸载、安装这两个包吧?

那么可以创建新的虚拟环境来运行yolov5的程序,yolov3的运行环境保持不变。

隔离项目环境是主要用途

如何创建虚拟环境

3种创建工具

工具名称

说明

venv

标准库

即安装好Python就自带有的

virtualenv

第三方

即需用pip等方式来主动安装

pipenv

第三方

即需用pip等方式来主动安装

上述三种工具,依赖根解释器,必须先安装根解释器才能使用。参考正文第一部分安装

创建虚拟环境

下面是一个创建虚拟环境的示例,将这个虚拟环境用于运行yolov5:

假设我本地的yolov5的源码目录是"D:\test3\yolov5"(在pipenv中要用)

下面出现的蓝色、橙色、绿色字体代表意思如下:

  1. 蓝色:Python根解释器或者根解释器同目录Scripts文件夹下的程序:
  1. 橙色,固定的,这么输就行了
  2. 绿色:虚拟环境的保存目录

venv

  • 创建虚拟环境命令:python -m venv D:\test4\yolov5-311-64

virtualenv

  1. 先安装:pip install virtualenv
  2. 创建虚拟环境命令:virtualenv D:\test4\yolov5-311-64-2

pipenv

  1. 先安装:pip install pipenv
  2. 与venv、virtualenv不同,pipenv不先创建虚拟环境:
  • 先进入yolov5的目录
  • 在该目录下执行创建命令:

pipenv install

注意:

  • pipenv指定了虚拟环境的保存目录,一般在 C:\Users\你的用户名\.virtualenvs 下。
  • 它另外增加了第三方库的依赖管理功能,详情请参考官网文档


创建虚拟环境的过程

可以笼统的认为,是将"根解释器"内的必须文件复制一份出来,然后改变其依赖库的搜索路径及一些设置,以实现虚拟环境的创建,可以认为它就是根解释器的一个"特殊"的副本。

根解释器与虚拟环境的目录结构差异

根解释器

虚拟环境(以 venv 为例)


借助编辑器来创建虚拟环境(PyCharm)

上一节是手动创建虚拟环境,目的是为了更容易理解,实际不会这么操作。使用编辑器是更好的选择,例如PyCharm,就已提供一键创建虚拟环境的功能:

  1. 假设已经安装好了PyCharm。
  2. 先打开项目,然后依次进入:


绝大多数的情况都是直接使用编辑器来创建虚拟环境

使用conda来创建虚拟环境

  • 安装conda请参考:https://anaconda.org.cn/anaconda/install/
# 创建
conda create -n yolov5-311-64-3 python=3.11

# 激活
conda activate yolov5-311-64-3

# 进入交互环境:
python
  • conda简化了Python的安装过程
  • 具体使用方法请参考官方文档

如何选择虚拟环境创建工具

  • Windows,建议直接在编辑器中使用 virtualenv 创建虚拟环境,例如PyCharm中
  • Linux服务器版,建议安装conda,使用conda来创建虚拟环境
  • Linux桌面版、mac OS等,conda或者编辑器

结语

如有不对之处,请海涵指正。

相关推荐

最强聚类模型,层次聚类 !!_层次聚类的优缺点

哈喽,我是小白~咱们今天聊聊层次聚类,这种聚类方法在后面的使用,也是非常频繁的~首先,聚类很好理解,聚类(Clustering)就是把一堆“东西”自动分组。这些“东西”可以是人、...

python决策树用于分类和回归问题实际应用案例

决策树(DecisionTrees)通过树状结构进行决策,在每个节点上根据特征进行分支。用于分类和回归问题。实际应用案例:预测一个顾客是否会流失。决策树是一种基于树状结构的机器学习算法,用于解决分类...

Python教程(四十五):推荐系统-个性化推荐算法

今日目标o理解推荐系统的基本概念和类型o掌握协同过滤算法(用户和物品)o学会基于内容的推荐方法o了解矩阵分解和深度学习推荐o掌握推荐系统评估和优化技术推荐系统概述推荐系统是信息过滤系统,用于...

简单学Python——NumPy库7——排序和去重

NumPy数组排序主要用sort方法,sort方法只能将数值按升充排列(可以用[::-1]的切片方式实现降序排序),并且不改变原数组。例如:importnumpyasnpa=np.array(...

PyTorch实战:TorchVision目标检测模型微调完

PyTorch实战:TorchVision目标检测模型微调完整教程一、什么是微调(Finetuning)?微调(Finetuning)是指在已经预训练好的模型基础上,使用自己的数据对模型进行进一步训练...

C4.5算法解释_简述c4.5算法的基本思想

C4.5算法是ID3算法的改进版,它在特征选择上采用了信息增益比来解决ID3算法对取值较多的特征有偏好的问题。C4.5算法也是一种用于决策树构建的算法,它同样基于信息熵的概念。C4.5算法的步骤如下:...

Python中的数据聚类及可视化分析实践

探索如何通过聚类分析揭露糖尿病预测数据集的特征!我们将运用Python的强力工具,深入挖掘数据,以直观的可视化揭示不同特征间的关系。一同探索聚类分析在糖尿病预测中的实践!所有这些可视化都可以通过数据操...

用Python来统计大乐透号码的概率分布

用Python来统计大乐透号码的概率分布,可以按照以下步骤进行:导入所需的库:使用Python中的numpy库生成数字序列,使用matplotlib库生成概率分布图。读取大乐透历史数据:从网络上找到大...

python:支持向量机监督学习算法用于二分类和多分类问题示例

监督学习-支持向量机(SVM)支持向量机(SupportVectorMachine,简称SVM)是一种常用的监督学习算法,用于解决分类和回归问题。SVM的目标是找到一个最优的超平面,将不同类别的...

25个例子学会Pandas Groupby 操作

groupby是Pandas在数据分析中最常用的函数之一。它用于根据给定列中的不同值对数据点(即行)进行分组,分组后的数据可以计算生成组的聚合值。如果我们有一个包含汽车品牌和价格信息的数据集,那么可以...

数据挖掘流程_数据挖掘流程主要有哪些步骤

数据挖掘流程1.了解需求,确认目标说一下几点思考方法:做什么?目的是什么?目标是什么?为什么要做?有什么价值和意义?如何去做?完整解决方案是什么?2.获取数据pandas读取数据pd.read.c...

使用Python寻找图像最常见的颜色_python 以图找图

如果我们知道图像或对象最常见的是哪种颜色,那么可以解决图像处理中的几个用例,例如在农业领域,我们可能需要确定水果的成熟度。我们可以简单地检查一下水果的颜色是否在预定的范围内,看看它是成熟的,腐烂的,还...

财务预算分析全网最佳实践:从每月分析到每天分析

原文链接如下:「链接」掌握本文的方法,你就掌握了企业预算精细化分析的能力,全网首发。数据模拟稍微有点问题,不要在意数据细节,先看下最终效果。在编制财务预算或业务预算的过程中,通常预算的所有数据都是按月...

常用数据工具去重方法_数据去重公式

在数据处理中,去除重复数据是确保数据质量和分析准确性的关键步骤。特别是在处理多列数据时,保留唯一值组合能够有效清理数据集,避免冗余信息对分析结果的干扰。不同的工具和编程语言提供了多种方法来实现多列去重...

Python教程(四十):PyTorch深度学习-动态计算图

今日目标o理解PyTorch的基本概念和动态计算图o掌握PyTorch张量操作和自动求导o学会构建神经网络模型o了解PyTorch的高级特性o掌握模型训练和部署PyTorch概述PyTorc...