python3.9配虚拟环境搭建numpy、tensorflow、matplotlib解决版本不兼容问题

随着学的越来越深，发现以前有很多东西配置啊安装啊是不够清晰的、写Python作业经常会出现版本不兼容的问题，只会照着网上的经验贴复制粘贴代码，而不懂得背后的逻辑，所以产生这篇经验贴，想着一次性搞好环境版本不兼容的问题。

我的电脑没有独显，所以用的都是cpu可兼容的版本，使用的系统是Windows 11。

首先需要提前做的事情是：

我用的是Pycharm专业版，网上有很多破解版教程可以自行搜索。

一开始我用的是vscode，后面发现不方便。为什么呢？因为大一的时候学c语言，编写c语言是在vscode里面的，后面写python也想在vscode里面，结果一通操作之后，vscode的环境由c语言变成了python搞得c语言又要重新配环境，就很麻烦。（相信你们应该知道vscode配c语言环境有多麻烦。。。）后面导致重新vscode配c语言环境也是老是用不了，反反复复配。所以Python还是乖乖在Pycharm里面跑吧。

这里建议用专业版，不然以后深入学习的话有些功能用不了。

pip和conda都是可以用来管理包的。所谓包，简而言之就是实现功能的工具吧，就犹如画图要用笔，计算要用计算器。我们使用的python基本库有些功能是无法实现的，或者有更好的实现方式，这些实现的方式可以放在包里面，我们把包下载下来后就可以调用包里面的功能。

我以前pip和conda都是在Anaconda Prompt里面混着用的，因为网上搜索下载包的教程有时候用pip的指令来下有时候用conda的指令来下，我只会复制粘贴代码。但其实它们是有不同之处，结合网上的一些经验贴总结如下[1][2]：

镜像源其实就是包下载的地方啦，在镜像源里面下载会比在国外网站下载快。

可以在Anaconda Prompt中输入conda --show channels查看镜像源的路径。可以看出，我这里用的是清华的镜像源，有一个问题是我挂着tizi的时候不能下载包，会出现网络错误，不知道是不是镜像源的问题，总之下载的时候别挂着tizi就行了。

可以参考这一篇博客，写的挺详细的：yutu7:Anaconda更换镜像源的相关配置。我没换过镜像源，下次有空试试（踩踩坑）。

打开Anaconda Prompt，输入python --version，可以看出我这里下载的base（本地的）的python版本是3.9.12。 有时候我们需要用不同的python版本，例如3.8的，但是又不方便修改本地base的python版本，怎么办呢？所以就需要创建虚拟环境，在虚拟环境中配置你想要的python版本。一般来说，一个环境中的python版本随意更改之后，该环境的其他包会很容易出现不兼容问题。

如果之前已经创建了虚拟环境可以不用创建，直接把包装进虚拟环境即可。可以跳转下面的第3条。

接着在Anaconda Prompt中，输入conda create -n 虚拟环境的名字 python=3.9，例如：我这里创建的虚拟环境的名字是EnvPython3.9，这个名字可以随便取。python版本设置为3.9。 会冒出来一大串东西： 意思就是我原本的conda环境(23.7.4)太老了，它WARNING让我升级conda(23.10.0)。 创建的虚拟环境的地址是在D:\Anaconda\envs\EnvPython3.9当中。 The following NEW packages will be INSTALLED的意思是从下列地址当中把包装进这个新的虚拟环境中。 Proceed ([y]/n)?意思是要继续下载吗？我们选择y，确定下载。

接着在Anaconda Prompt中，输入conda info --envs。可以看出，刚刚创建的虚拟环境EnvPython3.9出现在列表中，说明确实创建成功。星号*所指的就是目前所在的环境base，第一行中(base)也说明现在的环境是本地环境。

我们还可以删除多余的虚拟环境，输入conda remove --n 虚拟环境名字 --all，例如：删除EnvPython9这个虚拟环境。Proceed ([y]/n)?我们选择y，确定删除。

输入activate (虚拟环境名字)即可激活该虚拟环境，接着我们可以输入conda list查看这个虚拟环境中配置的包。从图中我们可以看出，第三行括号里面的环境已经切换为我们想配置的虚拟环境当中了，而且之前创建虚拟环境的同时，会把最新版的pip也装进去。对比于base中的包，这个虚拟环境中的包的数量显然少很多，所以下一步我们还需要在该虚拟环境中搭载我们需要的包。 我们也可以输入conda deactivate 退出当前的虚拟环境回到base环境中

接着我们可以利用以上命令来管理包，一般来说是通用的，但会有少许不同。查阅资料发现，程序猿的探索之路的这篇博文提到：

conda会检查版本的依赖性，pip不会。这也就导致pip下的包可能会因为不兼容而用不了。

如果同时用conda和pip下了同一个但不同版本的包，可能会出现冲突，需要手动删除其中一个。

下载numpy（建议先下载numpy）：pip install numpy==1.26.2 下载matplotlib：pip install matplotlib==3.8.0 下载tensorflow-cpu：pip install tensorflow-cpu==2.15.0

打开pycharm

然后点确定-确定就切换成功了。

如果看不懂，这里有个油管的视频版教学：油管创建虚拟环境后在pycharm中更换虚拟环境