1.安装环境

      （1）安装ancanda和pycharm

         (2) 创建环境变量  

         设置许可（找到anconda3--envs---属性---安全----user----打勾

        在ancanda prompt窗口中输入     conda create --prefix  <变量存放路径> -y，例如

conda create --prefix D:\ancanda3\envs\yolo11 -y

解析:(1) conda create --prefix中的短横线 必须有两个--           yolo11为环境变量的名称

  2. 激活变量的环境   conda axtivate <名称>，例如

conda activate yolo11

   3. 删除多余环境变量

           删除环境前，先推出该环境。  conda deactivate

 conda deactivate

          在ancanda prompt窗口中输入     conda env remove -p <变量的路径>

conda env remove -p D:\ancanda3\envs\yolo11

          通过命令查看 conda info --envs变量是否删除成功

或者 conda env list(查看环境）

4. 安装/卸载/升级包

pip install <包名>

pip uninstall <包名>

pip install -upgrade <包名>

查看已安装包的代码：

pip list

查看安装包的详细信息

pip show <包名>，例如

pip show python

pip 安装指定版本的包的代码

pip install 包名==版本号

也可以通过使用下表内容指定版本号

==

>=

<=

>

<

 pip install 'matplotlib>3.4'  #引号引起来

pip install 'matplotlib>3.4.0,<3.4.3' 

2.安装torch和torchvision

（1）先将程序（文件）下载好

（2)复制文件的路径

（3）在ancanda prompt窗口中输入 pip install <程序地址>

（4）安装好后有5个文件

3.注意

（1）环境变量在创建在envs

(2)pycharm的程序保存在project中

（3）在pycharm中选择conda设置的环境，通过设置虚拟环境即可（其他可不选择）

(4)安装模块库  pip install <名称>

（5）在安装时可添加清华源。 pip install <dizhi> -i 清华园地址

5环境配置查看

（1）当前环境配置信息查询 conda 

---

ubuntu系统   python虚拟环境配置

（1）进入指定路径，cd 路径的地址  将/home/yfy/anoconda 替换为你的实际地址

cd /home/yfy/anoconda    

  （2） 创建环境变量 ，mamba是虚拟环境的名称  ，python=3.10.13是环境的版本

conda create -n mamba python=3.10.13

以mamba环境配置为例，介绍

# 1) 基础 CUDA 运行时（可选）
#    注：后面 pip 的 PyTorch cu118 轮子已自带 CUDA 运行时，
#    这里装 conda 的 cudatoolkit 主要为了与 nvcc/编译保持一致性。
conda install cudatoolkit==11.8 -c nvidia -y
 
# 2) 安装与 CUDA 11.8 匹配的 PyTorch 2.3.x
pip install torch==2.3.1 torchvision==0.18.1 torchaudio==2.3.1 \
  --index-url https://download.pytorch.org/whl/cu118
 
# 3) 安装 NVCC（需要本地编译算子时很有用）
conda install -c "nvidia/label/cuda-11.8.0" cuda-nvcc -y
 
# 4) 常用训练/日志/评测依赖
pip install open_clip_torch loguru wandb diffusers einops omegaconf \
  torchmetrics decord accelerate pytest fvcore chardet yacs termcolor \
  submitit tensorboardX seaborn
 
# 5) packaging（部分项目的版本解析依赖）
conda install packaging -y
 
# 6) 下载官方发布的 Mamba & causal-conv1d 预编译轮子（与本环境严格匹配）
mkdir -p whl && cd whl
wget https://github.com/state-spaces/mamba/releases/download/v2.0.4/mamba_ssm-2.0.4+cu118torch2.3cxx11abiFALSE-cp310-cp310-linux_x86_64.whl
wget https://github.com/Dao-AILab/causal-conv1d/releases/download/v1.2.2.post1/causal_conv1d-1.2.2.post1+cu118torch2.3cxx11abiFALSE-cp310-cp310-linux_x86_64.whl
 
# 7) 安装这两个核心轮子
pip install ./causal_conv1d-1.2.2.post1+cu118torch2.3cxx11abiFALSE-cp310-cp310-linux_x86_64.whl
pip install ./mamba_ssm-2.0.4+cu118torch2.3cxx11abiFALSE-cp310-cp310-linux_x86_64.whl