1、写Python项目时，很容易遇到各种包版本冲突，导致程序频繁报错。
 虚拟环境的作用就是做环境隔离：在独立空间里存放专属Python解释器 + 第三方库。
简单来说：虚拟环境 = Python解释器 + 项目所需的各种库
2、常用两种：Virtualenv（PyCharm内置的venv）、Conda（Anaconda/Miniconda）
两种环境对比：
- Conda环境：环境文件不在项目文件夹内，统一集中管理。适合深度学习，可以方便安装绑定CUDA版本的PyTorch、OpenCV这类带C底层依赖的包。Anaconda所有环境默认放在 envs 文件夹下，多个项目可以共用同一个conda环境。
- PyCharm venv（virtualenv）：直接创建在当前项目文件夹里面，属于项目专属环境，适合纯Python轻量项目。

3、
总结：virtualenv启动更快、体积小；缺点是很难搞定CUDA这类底层依赖。Conda上手简单，擅长深度学习，底层依赖一键管理，非常适合深度学习新手。（补充：在PyCharm里使用Conda环境有两种方式：①PyCharm新建conda环境；②复用命令行提前建好的conda环境。）

4、

-用Conda创建虚拟环境：

 建好后，Anaconda的envs文件夹下，会多出 pythonProject12 这个全新虚拟环境。

-在pycharm中也可以用之前创建的环境。

PyCharm右下角解释器设置，可以切换当前项目使用的Python环境，也可以查看环境内安装的包。

5、

 做论文实验，优先复用同一个conda环境，不用为每个项目新建独立环境，节省硬盘空间，方便统一管理PyTorch版本。只有项目需要的PyTorch、CUDA版本差距很大时（例如一个需要torch1.8，另一个需要torch2.4），才单独新建conda环境。