前言
相信很多时候大家都会用到虚拟环境，他具有可以让你快速切换不同的python版本，让程序打包的时候轻量化等等优点，之前作为小白第一次接触python的时候，为了配置虚拟环境花了好几天，踩了很多坑，网上很多教程的水平也参差不齐，正好最近帮实习公司做了个学校项目，需要我提供python环境配置的文档，于是我就顺手把教程编辑成博客，跟大家分享一下，希望大家少走弯路~~~(保证是面向小白的保姆级教学！多图！)话不多说，直接上干货！
1)anaconda安装
本小节主要介绍anaconda的安装，anaconda可以与pycharm配合使用，实际操作非常便捷。anaconda创建虚拟环境非常方便，适合新手小白使用，强烈推荐。编辑器的话推荐用pycharm，这里是看个人喜好吧，我还是很喜欢pycharm这个软件的~
首先打开anaconda官网，点击get started。
然后点击：
根据自己的操作系统选择下载包，本节以windows64位为例：
下载完毕后打开，安装如下步骤点击：
点击install开始安装，很多教程上这里没有勾选(这里也是之前踩过的坑之一)，这里会自动帮你把anaconda添加到环境变量里面，有人认为会出错，但是实际上我测试下来，完全可以使用，（官方都给你简便的方法，为啥你还得绕个大弯呢）：
一直next：
这里可以取消勾选，一个是打开他的问卷，一个是立刻打开anaconda
2)使用anaconda创建虚拟环境
win r输入cmd，打开命令行，输入conda create -n my_python_env python=3.8 并回车
询问你是否安装这些相关的包，输入y确认：
安装完成后，输入activate my_python_env
如上图所示顺利进入了虚拟环境。至此咱们的虚拟环境就创建好了。
3）安装pytorch
因为项目中刚好涉及到深度学习，所以我就顺便把pytorch的安装教程也写了，这次主要用cpu版本的做了个演示，后续我会更新GPU版本的pytorch安装方式！
** pytorch是一个深度学习的框架，里面集成了很多非常牛逼的api，而且他有庞大的社区，使用起来相当方便，目前pytorch的人口一直在上涨，他已经发展成为主流框架之一，所以推荐大家使用。**
进入pytorch官网，点击install：
有GPU的同学，可以查询自己显卡支持的cuda版本，支持10.2还是11.3，可以安装cuda版本的pytorch，计算速度更快，注意，若是安装cuda版本，需要安装对应的cudnn，为了适合大部分同学使用（后面会更新GPU版本的下载方式！！！），本教程以cpu为例：
复制下面的代码：
打开cmd，进入刚刚创建好的虚拟环境，（防止有同学手滑把cmd关掉了，再来演示一遍）：
将复制的代码粘贴进cmd，并在代码后面添-i 镜像链接，这一步是为pip添加镜像，可以加速下载。（此步是临时添加，感兴趣的同学可以自行查找永久添加镜像的方法）：
镜像链接：
清华：https://pypi.tuna.tsinghua.edu.cn/simple
阿里云：http://mirrors.aliyun.com/pypi/simple/
中国科技大学 https://pypi.mirrors.ustc.edu.cn/simple/
华中理工大学：http://pypi.hustunique.com/
山东理工大学：http://pypi.sdutlinux.org/
豆瓣：http://pypi.douban.com/simple/
4)安装其他包
毕竟是保姆级教学，安装pytorch和安装其他包的方法略有不同，所以我还是单拎出来演示一下：
我们实际使用python的时候会import很多包，这些包集成了很多功能，可以让我们直接调用，以matplotlib为例，matplotlib是我们常用的绘图工具，下面介绍在虚拟环境中安装该包。
首先，还是先进入虚拟环境。
输入pip install matplotlib -i 镜像链接
若需安装其他python包，同学们可以按照该流程进行自行安装：
- 进入自己的虚拟环境1. pip install 包名 -i 镜像链接
5）安装pycharm
进入官网，点download进入下载界面：
下载完毕后打开，并按照如下操作：
这里可以都勾选，这些东西都很方便，很多教程都要求不勾选，可能有些大佬不喜欢，觉得太臃肿，但是对新手来说这些都是非常友好的东西！所以这边还是建议大家都选上！~
这里就默认就好啦，点install开始安装：
安装完成，记得用之前电脑重启一下！
6)Pycharm使用虚拟环境
打开Pycharm，点击左上角File，选中settings
咱们主要修改Python Interpreter：
选择Python Interpreter，点击左边齿轮图标，并选择Add：
选Conda Environment，选Existing environment（因为咱们已经之前用anaconda已经创建过环境了），并勾选Make available to all projects（这个选项可以使你新开一个project的时候，也可以使用这个环境）：
注意这里的Interpreter，点击‘…’选择路径：
然后点击ok，然后点击Apply，至此环境变量就可以使用了。
