最近由于一个项目需求涉及到图片识别与检测，在网上查了许多资料后决定用python来实现，于是赶紧看视频、买书籍，查资料，经过一段时间的学习终于感觉到入门了，现将这段时间以来的心得整理出来，供其他小伙伴参考。话不多说，直接上图

1、安装python

第一去python官网下载安装文件，地址：
https://www.python.org/downloads/，截止到目前，官网最新版本为3.13.7，但是在查资料学习的过程中，看到许多案例、源码都是基于3.9的。读者选择适合自己的版本下载即可。

下载完成之后直接点击安装，安装过程中记得选择将路径添加到环境变量PATH中，否则后续需要自己配置环境变量。

安装完成之后在命令行运行python -V，如果显示如下图则表明已经安装成功。

否则需要自己去检查环境变量中是否添加了python的安装目录，示例如下：

2、多版本python如何共存

如果多个项目需要用到不同的python版本，安装多个python版本后用到哪个版本的，就去修改PATH环境变量里面python安装路径吗？这样当然是可以的，但是这样太麻烦，而且项目依赖的其它第三方包版本不同又怎么解决呢？所以在这里推荐使用包管理和环境管理工具Conda。

Conda是什么？

Conda 是一个开源的、跨平台的、语言无关的包管理和环境管理系统。它最初由 Anaconda 公司开发，旨在解决 Python 数据科学家面临的包管理挑战，但目前已经发展成为一个适用于多种编程语言的通用工具。Conda 以 BSD 许可证发布，是 NumFOCUS 的附属项目。

Conda 的核心功能包括：

• 包管理：安装、更新和卸载软件包
• 环境管理：创建和管理隔离的软件环境
• 依赖解析：自动处理软件包之间的依赖关系
• 跨平台支持：在 Windows、macOS 和 Linux 上一致运行

与仅限于特定语言的包管理器（如 Python 的 pip、Node.js 的 npm）或特定系统的包管理器（如 macOS 的 homebrew、Debian Linux 的 apt）不同，Conda 提供了一个统一的解决方案，可以管理多种语言的包和环境。

Miniconda 是 Anaconda 官方推出的一个轻量级 Conda 发行版，仅包含 Conda 包管理器及其最小依赖和 Python 解释器，不预装任何第三方科学计算包。其主要特点如下：

• 体积小：安装包仅几十 MB，下载和安装速度快
• 高度自定义：用户可根据实际需求按需安装所需包，避免环境臃肿
• 适合生产和服务器环境：只安装项目需要的依赖，节省磁盘空间
• 与 Anaconda 兼容：Miniconda 安装后可通过 Conda 命令安装 Anaconda 的全部包

下载安装

官方网站：
https://docs.anaconda.com/free/miniconda/miniconda-install/

下载后直接点击安装，安装完成后需要检查下 conda 是否能够正常使用，在电脑左下角搜索找到 Anaconda Prompt，点击打开后，在控制台中输入 conda --version，回车如果返回了 conda 版本信息则说明安装成功。

配置下载源

Conda 包管理器下载各类库的来源是国外的服务器，常常会面临下载速度慢的问题。可以为 conda 添加软件包通道（channel），以清华源为例，在打开的 Anaconda prompt 控制台窗口中，输入如下命令可以将清华源的两个地址添加到通道

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/

在查看 conda 软件包通道的下载链接时能显示我们手动配置的通道地址，可以通过如下命令进行设置：

conda config --set show_channel_urls yes

如果不配置下载源，conda 会使用默认的软件包通道，即从官方 Anaconda 仓库获取软件包。具体的软件包通道情况可以通过 conda config --show 命令查看，返回的信息不仅能看到下载源的地址信息，还能看到创建的 conda 环境所在的文件夹。

环境管理

在窗口中输入 conda list 【包名】，会返回当前环境下已经安装好的包，如果出现该列表则说明 conda 已经正确安装。其中，包含了对应的解释器 python3.13.5。

创建（删除）环境

conda create --name yoloshow python=3.9

这将创建一个名为 yoloshow的环境，并在其中安装 Python 3.9。在创建环境时，会有软件包列表的提示。输入 y 确认后即等待环境创建即可。

conda remove --name yoloshow --all

这将把 yoloshow这个名字的环境删除。

激活（切换）环境

经过环境的创建之后，我们用 conda env list 来查看已有的 conda 环境，发现已经创建好了名为 yoloshow的环境，但是此时我们根据如下位置判断我们所在的 conda 环境依旧是名为 base 的环境，因此我们要激活并切换到 yoloshow环境中。

我们输入conda activate yoloshow，激活yoloshow这个环境。

这个时候我们再看下yoloshow这个环境下的python版本。显示为3.9.23。

当我们要在不同环境下安装库时，需要先切换到指定环境当中，如果不切换环境，而只是退出当前环境，可以用 conda deactivate 退出当前的 conda 环境。

# 下载安装 conda install scipy

# 卸载 conda remove scipy

导出（导入）环境

当我们想要保存某个环境的配置信息，例如下载源信息、环境的Python版本信息、安装的包的版本信息等，可以先切换到指定环境下，通过以下命令将这些配置信息导出：

conda env export > environment.yml

该命令会将当前的环境配置信息导出到为 environment.yml 配置信息文件，文件导出地址默认为当前工作目录（也可以指定输出的绝对地址）。这时候，我们将配置文件传到另一台电脑，想基于该配置文件创建 conda 环境，可以通过以下命令：

conda env create -f environment.yml

常用命令

更新 Conda conda update -n base -c defaults conda

查看环境 conda env list

创建新环境 conda create -n myenv python=3.10

激活环境 conda activate myenv

退出环境 conda deactivate myenv

安装包 conda install numpy pandas matplotlib

导出环境 conda env export > environment.yml

导入环境 conda env create -f environment.yml

删除环境 conda remove -n myenv --all