qq在线网站代码生成免费关键词优化排名软件

如何用轻量化的 Miniconda + Jupyter + PyCharm 配置隔离性强、便于管理的 Python 开发环境? 为了做深度学习我一开始配置环境也一头雾水, 现在就将我的经验分享给大家(我是windows系统),有什么问题请尽量指正,谢谢!

---

一、为什么用 Miniconda，而不是 Anaconda？

很多刚接触 Python 的同学可能听过 Anaconda，它是一个集大成的 PyData 发行版，包含上千个包，一键安装，非常方便。

但它也有两个致命缺点：

• 安装包庞大（> 3GB）
• 默认安装冗余包（用不到）

Miniconda 更轻，更灵活：

方案	是否推荐	优点	缺点
✅ Miniconda	✅ 推荐	小巧，仅有 Conda 和 Python，灵活管理环境	需要手动安装常用包
❌ Anaconda	❌ 降级选择	开箱即用，集成 Jupyter、Pandas、Scikit	太大、容易发生版本冲突

📌 所以：推荐使用 Miniconda + 手动配置环境，更专业、更稳定！

---

二、Miniconda 基础环境配置步骤

1.下载 Miniconda

前往官网下载（注意匹配系统和 Python 版本）：

🔗 Miniconda官方镜像

建议使用 Python 3.10 或 3.11 版本（二者与主流依赖兼容性好）：

# 选择如下其中一个版本安装：
Miniconda3-latest-Linux-x86_64.sh
Miniconda3-latest-Windows-x86_64.exe

---

2.安装与配置路径（以 Linux/macOS 为例）

bash Miniconda3-latest-Linux-x86_64.sh

然后执行如下命令让 conda 生效：

source ~/.bashrc

或者你用 zsh：

source ~/.zshrc

---

3.切换清华源（加快加载包的速度）

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
conda config --set show_channel_urls yes

---

三、Jupyter Notebooks 安装与配置（base环境 + kernel切换）

推荐安装策略：把 Jupyter 安装在 base 环境，代码运行在虚拟环境

安装 Jupyter + nb_conda_kernels（供 kernel 切换）

conda activate base
conda install jupyter notebook nb_conda_kernels -y

这样 Jupyter 就安装在 base 环境，但可以识别所有 Conda 虚拟环境。

---

创建项目用的环境

conda create -n dl_env python=3.10 numpy matplotlib pandas pytorch torchvision cudatoolkit=11.7 -c pytorch -y
conda activate dl_env# 安装 ipykernel 用于注册 kernel
pip install ipykernel
python -m ipykernel install --user --name dl_env --display-name "Python (dl_env)"

这样，启动 Jupyter Notebook 时可以选择 Python (dl_env) kernel，虽然实际服务是 base 启动的，但运行代码的解释器是项目环境

---

示例 Jupyter 启动说明图（浏览器页面）

Kernel 列表示：+ Python (base)
+ Python (dl_env)
+ Python (nlp_env)

点击选择对应的就可以在不同的 conda 环境中运行 notebook 了。

---

四、PyCharm 配置使用 Miniconda 和 Jupyter

1. 配置 Conda 解释器

• 打开 PyCharm > Preferences > Project: xxx > Python Interpreter
• 点击右上角⚙️ > Add
• 选择 Conda Environment
  • Existing environment
  • 选择 ~/miniconda3/envs/xxx/bin/python

建议按照项目使用虚拟环境，比如：

项目类型	环境名	Python版本	使用解释器
NLP项目	nlp_env	3.10	~/miniconda3/envs/nlp_env
CV项目	cv_env	3.11	~/miniconda3/envs/cv_env
基础工具	base	看系统默认	~/miniconda3/bin/python

---

2. 配置 Jupyter Notebook 在 PyCharm 中使用

1. 打开 .ipynb 文件，顶部出现 Jupyter 工具栏
2. 设置解释器：选择你为该项目注册的 kernel（如 “dl_env”）进行运行
3. 即可在 PyCharm 内部运行 Jupyter 项目代码

即使 PyCharm 显示当前解释器是 base，也能用项目 kernel 执行代码，避免冲突！

---

常见问题汇总

问题	典型症状说明	解决方式
Kernel 无法切换	notebook 中没有新环境	检查是否注册了 ipykernel，并 restart Jupyter
PyCharm 无法识别环境	添加解释器报错	手动选择 conda 环境路径
Notebook 缺import包	kernel 对应环境没装	进入对应 conda 环境安装依赖
Jupyter 打不开	浏览器白屏 / 403	检查 token / firewall / 换浏览器试试

---

五、一键脚本：快速打造 Conda + Jupyter 项目环境

#!/bin/bash
echo "√ 创建 Conda 虚拟环境并注册为 Jupyter Kernel"ENV_NAME=$1if [ -z "$ENV_NAME" ]; thenecho "× 请提供环境名： 例如 init_env.sh myenv"exit 1
ficonda create -n $ENV_NAME python=3.10 -y
conda activate $ENV_NAME
pip install ipykernel
python -m ipykernel install --user --name $ENV_NAME --display-name "Python ($ENV_NAME)"
echo "环境 $ENV_NAME 已准备就绪并注册到 Jupyter"

使用方式：

bash init_env.sh dl_env

---

六、最佳实践总结

配件	推荐安装位置	理由
conda/tool cli	base	核心包管理工具
jupyter notebook	base	主服务组件，通过 kernel 确定运行环境
nb_conda_kernels	base	让 jupyter 自动发现所有 conda 环境
ipykernel	各项目env	注册为 jupyter kernel
pycharm解释器	项目env	保证项目隔离，每个项目独立运行环境
conda CLI工具	base	所有环境的基础设施

---

That’s all, thanks for reading!
觉得有用就点个赞、收进收藏夹吧！关注我，获取更多干货～