计算机视觉 / 系统课时

创建 Python 虚拟环境

创建 Python 虚拟环境

本课将为 YOLOv5 项目建立独立的 Python 运行环境,避免不同项目争用同一组依赖。你将分别掌握 Conda 与 venv 的创建、激活、验证和清理方法,并能确认后续安装命令确实进入了目标环境。

学习目标

  • 理解虚拟环境隔离解释器与第三方包的作用
  • 使用 Conda 或 venv 创建并激活 YOLOv5 环境
  • 验证解释器路径,并导出可复现的依赖清单

虚拟环境隔离了什么

虚拟环境为项目提供独立的 Python 解释器入口和 site-packages 目录。YOLOv5 所需的 PyTorch、OpenCV 等包安装在项目环境中,不会直接修改系统 Python,也不会被其他项目的版本变化干扰。Python 官方将 venv 定义为基于现有 Python 创建、默认与基础环境包隔离的轻量环境。:contentReference[oaicite:0]{index=0}

系统 Python 与项目虚拟环境的隔离关系

选择工具时只保留一种主方案即可:已经使用 Anaconda 或 Miniconda 时优先选择 Conda;只安装了标准 Python、希望项目目录自包含时选择 venv。两种环境不要同时激活。

使用 Conda 创建环境

Conda 可以同时管理 Python 版本和第三方包。下面创建名为 yolov5 的 Python 3.10 环境,然后检查当前解释器。Conda 官方命令要求创建后通过 conda activate 切换环境。:contentReference[oaicite:1]{index=1}

bash
conda create -n yolov5 python=3.10 -y
conda activate yolov5
python --version
python -m pip --version

预期输出

text
Python 3.10.<PATCH>
pip <PIP_VERSION> from <PATH> (python 3.10)

<PATCH>、<PIP_VERSION> 与 <PATH> 会随安装版本和操作系统变化。终端提示符通常会出现 (yolov5);若 conda activate 无效,先执行 conda init,关闭并重新打开终端。

使用 venv 创建环境

venv 直接使用当前 Python 创建项目内环境。先进入 YOLOv5 项目目录,再执行创建命令;目录名 .venv 便于 IDE 自动识别。

bash
python -m venv .venv

预期结果

text
命令成功时通常没有输出,项目目录中会新增 .venv 文件夹。

在 macOS 或 Linux 中激活环境并升级 pip:

bash
source .venv/bin/activate
python -m pip install --upgrade pip
python --version
python -m pip --version

预期输出

text
Python 3.10.<PATCH>
pip <PIP_VERSION> from <PROJECT_PATH>/.venv/lib/<PYTHON_PATH>/site-packages/pip

在 Windows PowerShell 中改用对应激活脚本:

powershell
.\.venv\Scripts\Activate.ps1
python -m pip install --upgrade pip
python --version
python -m pip --version

预期输出

text
Python 3.10.<PATCH>
pip <PIP_VERSION> from <PROJECT_PATH>\.venv\Lib\site-packages\pip

若 PowerShell 阻止脚本运行,可为当前用户设置签名策略后重新激活;企业设备应先遵循组织安全要求。

powershell
Set-ExecutionPolicy -Scope CurrentUser RemoteSigned

预期结果

text
确认策略变更后,Activate.ps1 可以在当前用户范围内执行。

验证环境与记录依赖

不要只根据提示符判断环境是否正确,应检查 sys.executable。路径必须指向 yolov5 或项目的 .venv,否则后续安装可能落入系统 Python。

bash
python -c "import sys; print(sys.executable)"
python -m pip list
python -m pip freeze > requirements.txt

预期结果

text
<ENVIRONMENT_PATH>/python
Package    Version
---------- -------
pip        <PIP_VERSION>

当前目录生成 requirements.txt;实际包数量会随环境内容变化。

使用 python -m pip 能让 pip 明确绑定当前解释器。退出环境时,Conda 执行 conda deactivate,venv 执行 deactivate;删除环境前先退出,Conda 使用 conda env remove -n yolov5,venv 则直接删除 .venv 目录。

本课总结

  • 虚拟环境把 YOLOv5 的解释器入口和依赖与其他项目隔离
  • Conda 适合同时管理 Python 版本,venv 适合轻量的项目内环境
  • 安装依赖前应检查 sys.executable,并用 python -m pip 避免装错位置

下一课预告

下一课将在已激活的虚拟环境中安装匹配的 PyTorch 与 CUDA 运行组件,并通过张量计算验证 NVIDIA GPU 是否真正可用。

按自己的节奏,确认真正理解。

目录与阅读设置

阅读设置

17

记录一个想法

创建 Python 虚拟环境

0 / 10000 · 笔记保存到账号。未提交的修改会在关闭、离开或刷新后丢失。

登录哪都通