小白零基础教程:安装 Conda + VSCode 配置 Python 开发环境

小白零基础教程:安装 Conda + VSCode 配置 Python 开发环境

前言

本教程专为电脑小白设计,全程无复杂术语,步骤详细到每一步点击,覆盖 Windows 10/11、macOS 系统(Linux 可参考 macOS 终端操作)。核心目标:安装轻量版 Conda(Miniconda)→ 配置 Conda 环境 → VSCode 关联 Conda 运行 Python,解决「环境冲突」「命令找不到」「解释器选不到」等常见问题。

一、准备工作

  1. 操作系统:Windows 10/11(64 位)或 macOS(Intel/M1/M2 均可)
  2. 网络:确保能访问官网(或用国内镜像)
  3. 清理旧环境(可选):如果之前装过 Python 或 Anaconda,建议先卸载(避免冲突),卸载后重启电脑

二、第一步:安装 Miniconda(推荐轻量版)

Conda 是「包管理器 + 环境管理器」,Miniconda 是 Conda 的轻量版本(仅含核心功能,不预装大量冗余包),小白首选。

1. 下载 Miniconda

打开官网下载页(不用注册,直接下载):👉 Miniconda 官网下载

根据系统选择对应安装包:

  • Windows 10/11:选「Miniconda3 Windows 64-bit」(.exe 文件)
  • macOS(Intel 芯片):选「Miniconda3 macOS Intel x86 64-bit」(.pkg 文件)
  • macOS(M1/M2 芯片):选「Miniconda3 macOS Apple M1/M2 64-bit pkg」(.pkg 文件)
国内用户如果下载慢:用清华镜像站下载(版本同步官网)👉 清华镜像 Miniconda,找到对应系统的最新版本即可。

2. 安装 Miniconda(关键步骤!)

(1)Windows 系统安装
  1. 双击下载的 .exe 安装包,点击「Next」→ 勾选「I agree」→「Next」。
  2. 选择安装类型:推荐「Just Me」(仅当前用户使用,无需管理员权限,避免后续权限问题)→「Next」。
  3. 选择安装路径:建议默认路径(如 C:\Users\你的用户名\miniconda3),不要改到中文路径(比如「我的软件」这种,会导致命令报错)→「Next」。
  4. 「Advanced Installation Options」(重点!):
    • 勾选第一个:「Add Miniconda3 to my PATH environment variable」(添加到环境变量,小白必勾!否则终端找不到 conda 命令)
    • 第二个可选勾选(默认即可):「Register Miniconda3 as my default Python 3.11」(设为默认 Python)
    • 点击「Install」,等待安装完成(约 1-2 分钟)。
  5. 安装完成后,取消勾选「Learn more about Anaconda Cloud」,点击「Finish」。
(2)macOS 系统安装
  1. 双击下载的 .pkg 安装包,点击「继续」→「继续」→「同意」→「继续」。
  2. 选择安装位置:默认「Macintosh HD」→「继续」。
  3. 输入电脑开机密码(授权安装)→ 点击「安装」,等待完成(约 1 分钟)。
  4. 安装完成后点击「关闭」即可(macOS 会自动添加环境变量,无需手动操作)。

3. 验证 Conda 是否安装成功

安装完成后,需要确认 conda 能正常使用:

  • Windows:打开「命令提示符」(CMD)或「PowerShell」(按下 Win 键,输入 CMD 回车)
  • macOS:打开「终端」(启动台 → 其他 → 终端)

在终端 / CMD 中输入以下命令,按回车:

bash

conda --version 

如果输出类似 conda 24.5.0(版本号可能不同),说明安装成功!如果提示「conda 不是内部或外部命令」,回到安装步骤检查是否勾选了「添加到环境变量」(Windows),或重启终端再试(macOS)。

三、第二步:配置 Conda(换源 + 创建虚拟环境)

1. 为什么要配置?

  • 换源:默认源在国外,下载 Python 包(如 numpy、pandas)速度慢,换成国内镜像(清华源、阿里云)能提速 10 倍。
  • 虚拟环境:隔离不同项目的依赖(比如 A 项目用 Python 3.8,B 项目用 Python 3.11,互不冲突)。

2. 换国内镜像源(复制命令直接执行)

打开终端 / CMD,依次输入以下命令(每输完一条按回车,无需修改):

(1)添加清华镜像源(推荐)

bash

# 添加 Conda 本身的镜像 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/ # 添加第三方包(如 conda-forge)的镜像 conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/ conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/ # 显示下载来源(可选,方便排查问题) conda config --set show_channel_urls yes 
(2)验证换源是否成功

输入以下命令,查看配置:

bash

conda config --show-sources 

如果输出中包含刚才添加的 https://mirrors.tuna.tsinghua.edu.cn/...,说明换源成功。

3. 创建并激活 Conda 虚拟环境(核心步骤)

我们创建一个名为「python311」的环境(名字可自定义,比如「myenv」),并安装 Python 3.11(稳定版,兼容性好)。

(1)创建环境

在终端 / CMD 输入:

bash

conda create -n python311 python=3.11 
  • conda create:创建环境的命令
  • -n python311:环境名(可改,比如 -n myfirstenv
  • python=3.11:指定 Python 版本为 3.11

执行后会提示「是否安装依赖」,输入 y 按回车,等待安装(换源后速度很快,约 30 秒)。

(2)激活环境

环境创建后,需要「激活」才能使用(激活后终端前缀会显示环境名):

macOS(终端):bash

conda activate python311 

Windows(PowerShell):若提示「无法加载脚本」,先执行以下命令(允许执行脚本),再激活:bash

Set-ExecutionPolicy RemoteSigned -Scope CurrentUser 

按提示输入 Y 回车,再执行 conda activate python311

Windows(CMD):bash

conda activate python311 
(3)验证环境激活成功

激活后,终端前缀会变成 (python311) C:\Users\XXX>(Windows)或 (python311) XXX@MacBook ~ %(macOS),说明当前处于「python311」环境中。

再输入以下命令,查看当前 Python 路径:

bash

where python # Windows 用这个 # 或 which python # macOS 用这个 

输出路径应包含「miniconda3/envs/python311」(比如 C:\Users\XXX\miniconda3\envs\python311\python.exe),说明使用的是虚拟环境中的 Python,而非系统自带的。

(4)常用 Conda 命令(记 3 个就够了)
命令作用
conda activate 环境名激活指定环境
conda deactivate退出当前环境
conda env list查看所有已创建的环境
conda remove -n 环境名 --all删除指定环境(谨慎使用)

四、第三步:安装 VSCode 并配置 Python

VSCode 是免费、轻量、强大的代码编辑器,支持 Python 开发,配合 Conda 环境使用体验极佳。

1. 安装 VSCode

  1. 打开 VSCode 官网:👉 VSCode 官网下载
  2. 下载对应系统的安装包(Windows 选 .exe,macOS 选 .dmg),默认安装即可:
    • Windows:双击 .exe,勾选「添加到 PATH」(可选),点击「下一步」→「安装」。
    • macOS:双击 .dmg,将「Visual Studio Code」拖到「应用程序」文件夹中。

2. 安装 Python 相关插件(必装)

打开 VSCode,点击左侧「扩展」图标(或按 Ctrl+Shift+X/Cmd+Shift+X),搜索以下插件并安装:

  1. Python(微软官方插件,必装):提供 Python 语法高亮、代码提示、运行调试功能。
  2. Pylance(微软官方插件,必装):增强 Python 代码提示,支持类型检查。
  3. Code Runner(可选,推荐):一键运行代码,不用手动输命令。

安装完成后,点击插件旁的「启用」(默认已启用),重启 VSCode 生效。

3. 关联 Conda 虚拟环境(关键!让 VSCode 用 Conda 的 Python)

这一步是核心:让 VSCode 识别到我们刚才创建的「python311」环境,避免用系统自带的 Python 导致依赖冲突。

步骤 1:打开一个 Python 文件
  1. 新建一个文件夹(比如「PythonProjects」),用来存放你的 Python 项目(路径不要有中文!)。
  2. 打开 VSCode,点击「文件」→「打开文件夹」,选择刚才新建的「PythonProjects」文件夹。
  3. 点击左侧「资源管理器」→ 右键文件夹 →「新建文件」,命名为 test.py(后缀必须是 .py)。
步骤 2:选择 Conda 解释器
  1. 打开 test.py 文件,点击 VSCode 左下角的「选择解释器」(或按 Ctrl+Shift+P/Cmd+Shift+P,输入「Python: 选择解释器」回车)。
  2. 在弹出的列表中,找到「Python 3.11.x ('python311')」(后面会显示 Conda 环境的路径,比如 miniconda3/envs/python311/bin/python 或 miniconda3\envs\python311\python.exe),点击选择。
若找不到 Conda 环境?解决方案:点击「输入解释器路径」→「查找」,导航到 Miniconda 安装目录下的 envs/python311/python.exe(Windows)或 envs/python311/bin/python(macOS),选中即可。
步骤 3:验证解释器是否正确

选择完成后,左下角会显示「Python 3.11.x ('python311')」,说明已关联成功!

五、第四步:测试是否能正常运行 Python 代码

现在我们写一段简单的代码,测试整个环境是否能正常工作:

  1. 在 test.py 文件中输入以下代码:

python

运行

# 测试 Python 版本和 Conda 环境 import sys print("Python 版本:", sys.version) print("Python 路径:", sys.executable) # 测试安装第三方包(比如 numpy) try: import numpy print("numpy 版本:", numpy.__version__) except ImportError: print("numpy 未安装,正在安装...") import subprocess subprocess.check_call([sys.executable, "-m", "pip", "install", "numpy"]) import numpy print("numpy 安装成功,版本:", numpy.__version__) 
  1. 运行代码(两种方式任选):
    • 方式 1(Code Runner 插件):点击右上角的「运行」图标(▶️),或右键代码编辑区 →「Run Code」。
    • 方式 2(VSCode 自带运行):按 F5,或点击左侧「运行和调试」→「运行并调试」,选择「Python 文件」。

成功标志:

终端输出类似以下内容(无报错,能显示 Python 版本和 numpy 版本):

plaintext

Python 版本: 3.11.9 (main, Apr 19 2024, 16:39:15) [MSC v.1938 64 bit (AMD64)] Python 路径: C:\Users\XXX\miniconda3\envs\python311\python.exe numpy 版本: 1.26.4 

如果能正常输出,说明 Conda + VSCode + Python 环境配置成功!

六、常见问题排查(小白必看)

1. 终端输入 conda 提示「不是内部或外部命令」

  • Windows:安装时没勾选「Add Miniconda3 to PATH」→ 重新运行安装包,到「Advanced Options」步骤勾选该选项;或手动添加环境变量(路径:C:\Users\你的用户名\miniconda3 和 C:\Users\你的用户名\miniconda3\Scripts)。
  • macOS:重启终端即可(安装时自动添加环境变量)。

2. VSCode 找不到 Conda 解释器

  • 确认 Conda 环境已激活(终端前缀有环境名)。
  • 手动指定路径:按 Ctrl+Shift+P →「Python: 选择解释器」→「输入解释器路径」→ 找到 miniconda3/envs/你的环境名/python.exe(Windows)或 miniconda3/envs/你的环境名/bin/python(macOS)。

3. 安装第三方包(如 pandas)失败

  • 确保已激活 Conda 环境(终端前缀有环境名)。
  • 用 Conda 安装:conda install pandas(优先用 conda 安装,兼容性更好)。
  • 用 pip 安装:pip install pandas(如果 conda 没有该包)。

4. Windows PowerShell 激活 Conda 提示「无法加载脚本」

  • 执行命令:Set-ExecutionPolicy RemoteSigned -Scope CurrentUser,按提示输入 Y 回车,再重新激活环境。

总结

核心流程回顾:

  1. 安装 Miniconda(勾选环境变量)→ 2. 换国内镜像 → 3. 创建并激活 Conda 虚拟环境 → 4. 安装 VSCode + Python 插件 → 5. 关联 Conda 解释器 → 6. 测试运行代码。

按照这个步骤,小白也能快速搭建稳定的 Python 开发环境,后续开发不同项目时,只需创建新的 Conda 环境(conda create -n 新项目名 python=3.11),即可避免依赖冲突。如果遇到其他问题,欢迎留言!

编辑分享

写一个详细的在macOS系统中安装conda的教程

如何在conda环境中安装和配置Python库?

VSCode中使用Python时,常见的错误信息及解决办法有哪些?

Read more

AI的提示词专栏:错误定位 Prompt,快速定位异常堆栈

AI的提示词专栏:错误定位 Prompt,快速定位异常堆栈

AI的提示词专栏:错误定位 Prompt,快速定位异常堆栈 本文聚焦错误定位 Prompt 的设计与应用,先阐释异常堆栈的核心构成及开发者定位错误时的信息过载、经验依赖等痛点,明确错误定位 Prompt 需实现信息提取、根因推测、行动指南三大目标。接着分别给出适用于新手的基础模板与面向资深开发者的进阶模板,结合 Python 索引越界、微服务订单创建错误等案例展示模板实战效果。还介绍了针对 Java、Python、JavaScript 等多语言及数据库、分布式链路等特殊场景的 Prompt 适配技巧,提出通过约束输出细节、添加负面清单、示例引导优化模型输出的方法,最后以章节总结和含思路点拨的课后练习巩固知识,助力开发者借助 Prompt 高效定位不同场景下的程序错误。 人工智能专栏介绍     人工智能学习合集专栏是 AI 学习者的实用工具。它像一个全面的 AI 知识库,把提示词设计、AI 创作、智能绘图等多个细分领域的知识整合起来。无论你是刚接触 AI 的新手,还是有一定基础想提升的人,都能在这里找到合适的内容。

By Ne0inhk
人工智能:大模型高效推理与部署技术实战

人工智能:大模型高效推理与部署技术实战

人工智能:大模型高效推理与部署技术实战 1.1 本章学习目标与重点 💡 学习目标:掌握大语言模型推理与部署的核心技术,理解模型量化、推理加速、服务化部署的原理,能够完成开源大模型的高性能生产级部署。 💡 学习重点:精通INT4/INT8量化技术的应用,掌握vLLM等高性能推理框架的使用方法,学会搭建高并发的大模型API服务。 1.2 大模型推理部署的核心挑战 1.2.1 大模型推理的痛点分析 💡 预训练大模型通常具备数十亿甚至上百亿的参数量,直接进行推理会面临显存占用高、推理速度慢、并发能力弱三大核心问题。 * 显存占用高:以LLaMA-2-7B模型为例,FP16精度下显存占用约14GB,单张消费级显卡难以承载;而70B模型FP16精度显存占用更是超过140GB,普通硬件完全无法运行。 * 推理速度慢:自回归生成的特性导致模型需要逐token计算,单条长文本生成可能需要数十秒,无法满足实时应用需求。 * 并发能力弱:传统推理方式下,单卡同时处理的请求数极少,高并发场景下会出现严重的排队和延迟问题。 这些问题直接制约了大模型从实验室走向实际生产环境,因此高效

By Ne0inhk
无线联邦学习:在保护隐私的无线网络中,让AI协同进化

无线联邦学习:在保护隐私的无线网络中,让AI协同进化

🔥作者简介: 一个平凡而乐于分享的小比特,中南民族大学通信工程专业研究生,研究方向无线联邦学习 🎬擅长领域:驱动开发,嵌入式软件开发,BSP开发 ❄️作者主页:一个平凡而乐于分享的小比特的个人主页 ✨收录专栏:无线通信技术,本专栏介绍无线通信相关技术 欢迎大家点赞 👍 收藏 ⭐ 加关注哦!💖💖 无线联邦学习:在保护隐私的无线网络中,让AI协同进化 一、什么无线联邦学习? 想象这样一个场景:全国各地的医院都想联合训练一个AI模型来诊断疾病,但患者的医疗数据极其敏感,不能离开医院。传统方法是把所有数据集中到一个中心服务器,但这会造成隐私泄露风险。怎么办? 无线联邦学习就像一位“知识快递员”——它不收集原始数据,而是让各地的医院在本地训练模型,然后只把模型“更新心得”(梯度或参数)通过无线网络传给中心服务器,由服务器汇总大家的智慧,形成一个更强大的模型。 核心思想 * 数据不动模型动:原始数据永远留在本地设备 * 仅上传模型更新:只传输学习到的参数,而非数据本身 * 无线传输媒介:通过Wi-Fi、5G等无线网络进行通信 本地设备3 本地设备2 本地设

By Ne0inhk
AI能赚钱?别被割韭菜了!深度拆解:为什么你学了100个AI工具却赚不到1分钱

AI能赚钱?别被割韭菜了!深度拆解:为什么你学了100个AI工具却赚不到1分钱

🌟 核心真相:AI是放大器,不是印钞机。没有商业认知的AI技能,就像给不会开车的人发了一辆法拉利——只会原地打转,甚至翻车。 目录 🌪️ 引言:那个学了30个AI工具却亏了5万的朋友 🎤 一、"AI能赚钱 ≠ 人人能赚钱" 🔍 金句实录: 🤯 二、残酷真相:AI工具≠赚钱能力 🔍 你是不是也这样? 💡 关键洞察:工具只是"术",商业才是"道" 🧭 三、破局三板斧:普通人也能启动的AI变现逻辑 🎯 第一板斧:标签聚焦——"别人想起你时,第一个词是什么?" ✅ 正确姿势(调研数据): 🌱 第二板斧:70分哲学——"服务30分的客户,你就是专家" 🌰 真实案例: ✅ 三步启动法(新手友好)

By Ne0inhk