前提：miniconda已经加入到环境变量
vscode找到setting输入shell: windows改成cmd，重启vscode就好了
跑python项目需要对应的python版本和依赖包，使用anaconda管理python环境是个很好的选择，但是不需要跑深度学习大数据这种比较大的项目或者模型使用miniconda是个不错的选择。
Miniconda是一个更小的Anaconda发行版（Anaconda是一个包含大量预装数据科学和机器学习库的Python发行版），它只包含conda包管理器和Python以及其必要的库。Miniconda的目的是提供一个更轻量级的选项来安装和运行conda环境，同时保持Anaconda的核心功能。Miniconda可以安装在任何操作系统上，并且可以用于创建轻量级的Python环境，适合那些需要定制环境，不需要Anaconda完整发行版中所有组件的用户。使用Miniconda，用户可以轻松地安装、更新和管理Python包，以及创建隔离的Python环境。
conda创建虚拟环境：（myenv可以自定义，改成你希望的环境名称；python版本根据实际需求自定义）
conda create -n myenv python=3.8
激活
conda activate myenv
安装
pip install numpy #或 conda install numpy pip install -r requirements.txtpip list
以numpy包为例，使用pip install numpy。
有时需要更新pip
pip install --upgrade pip
如果项目中已经准备好requirements.txt文件则使用第三行代码安装依赖文件中的所有项。下载完成后可以使用pip list查看此虚拟环境中pip安装的所有项。
pip和conda install的区别：
conda只能在conda环境中安装包，但是可以安装各种语言、各种类型的包。
pip可以在任何环境中安装包，但是只能安装Python包。
安装好所依赖的包，基本上运行main.py就可以跑起来了
python main.py
关闭
conda deactivate
删除
conda env remove -n myenv
