最近因重装了电脑，在重装pycharm和anaconda中发现最新发布的版本在设置上与以往有细微的差别，为了日后学习使用到，特此记录，也便于需要的网友一起学习。文章目录一、简单介绍Python、PyCharm和Anaconda的关系二、修改默认的conda环境路径1.condainfo查看当前默认环境路径2.修改环境路径3.测试修改的环境路径是否生效4.设置环境路径的系统权限三、Pycharm中配置环境变量1.利用conda创建一个新的虚拟环境2.配置环境一、简单介绍Python、PyCharm和Anaconda的关系1、Python是一种解释型、面向对象的高级程序设计语言。官网（https:
在使用Pycharm时发现无法导入Anaconda创建好的环境，会出现找不到Conda可执行文件路径的问题。解决在输入框内输入D:\anaconda3\Scripts\conda.exe，点击加载环境。注意前面目录是自己Anaconda的安装位置，之后就可以找到Anaconda的现有环境。
1conda安装清华镜像：https://mirrors.tuna.tsinghua.edu.cn/anaconda/miniconda/?C=M&O=A帮助链接：https://mirrors.tuna.tsinghua.edu.cn/help/anaconda/获取镜像：$wgethttps://mirrors.tuna.tsinghua.edu.cn/anaconda/miniconda/Miniconda3-py39_4.12.0-Linux-x86_64.sh$bashMiniconda3-py39_4.12.0-Linux-x86_64.sh一路默认ENTER、yescondaco
以下内容来自对官网教程的翻译conda官方网站：https://conda.io/projects/conda/en/latest/index.htmlConda官方用户指南：https://conda.io/projects/conda/en/latest/user-guide/index.htmlConda是什么？CondaisapowerfulpackagemanagerandenvironmentmanagerthatyouusewithcommandlinecommandsattheAnacondaPromptforWindows,orinaterminalwindowformacO
Linux环境下服务部署1.使用虚拟环境[810ms]1.1环境部署1.2服务启动2.使用Docker[680ms]1.使用虚拟环境[810ms]1.1环境部署Anaconda的安装步骤这里不再介绍，直接开始使用。#1.创建虚拟环境condacreate-ndeepfacepython=3.9.18#2.激活虚拟环境condaactivatedeepface#3.安装deepfacepipinstalldeepface-ihttps://pypi.tuna.tsinghua.edu.cn/simple以下操作在虚拟环境deepface下执行：#1.安装mesa-libGL.x86_64yumi
查看conda虚拟环境路径condaconfigshow其中，第一条是默认路径。修改默认路径若要修改，可以在condarc中修改win+R输入%HOMEPATH%即可找到condarc或自己找C:/user/usernameenvs_dirs:-D:\Anaconda\Anaconda3\envs未尽事宜以上步骤完成之后，若创建虚拟环境时仍显示在C盘，可将Anaconda3安装路径的Users权限改为完全控制：
Conda更新报错:requests.exceptions.HTTPError:404ClientError:NotFoundforurl:https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/noarch/current_repodata.json问题：为了更新软件，不得已更新许久没有打开过的anaconda；但在anaconda终端多次输入更新命令后仍提示错误；网上方法很多，解决我问题的是以下方法：解决方法：具体就两个步骤：删除之前的镜像通道重新添加默认的镜像通道condaconfig--remove-keychannelscond
Conda简介Conda是一个开源的包管理系统和环境管理系统，可在Windows、macOS和Linux上运行。Conda可快速安装、运行和更新包及其依赖项。Conda可以轻松地在计算机上创建、保存、加载和切换环境。它是为Python程序而创造的，但它可以打包和分发任何语言的软件。简单来说，conda可以让我们一行命令安装更新卸载程序，以及进行环境管理。下图是一个实际的例子。我用conda创建了两个虚拟环境：R4和R41，分别用于运行4.0和4.1的R。而且在各自对应的环境中，安装了相应版本的R包。下图是vscode界面，我可以很方便的在多个版本间切换,同时创建多个R控制台，极大提高了效率。（
由于xx原因，需要用Alphafold2的conda版本的本地版本。所以花了两三天终于把alphafold2的conda本地版本给安装上了，主要是下载数据比较麻烦和费时间，总是有数据下载不全又要重新下载，docker版本的话有些配置实在难搞，折腾了一两个小时之后果断放弃使用conda版本。不过无论是哪个版本，都要先把数据下好，所以可以先把数据启动下载，然后在下载过程之中再去折腾alphfold的软件本体。虽然alphafold官方提供了一个能够全部下载的脚本，但是那个脚本太坑，下载完两个（bfd和params）就会断掉。所以还是要读一下下载脚本的内容，然后学着一个个下载。最麻烦的就是两个数据：
我希望使用模型导数API从模型中提取数据。我只需要能够以XML/JSON格式提取等效的Cobie数据即可将其处理到数据仓库中。我相信有一种似乎适合该法案的Cobielite格式，但想知道我将使用API使用什么来生成数据？希望这是有道理的亲切的问候，保罗看答案我看不到cobielite格式被列为受支持的导出格式https://developer.autodesk.com/en/docs/model-derivative/v2/overview/supported-translations/supported-translations/我想这可能是您可以根据可以从模型中提取的信息来创建的？您只
