Anaconda是一个方便的python包管理和虚拟环境管理软件，一般用来配置不同的项目环境。在安装package的时候，conda将自动安装依赖包，减少依赖出错。anaconda适合做数据分析，尤其适合测试各种开源的深度学习模型。
为什么要用虚拟环境?
使用conda可用来创建多个互不干扰的虚拟python环境，分别运行不同版本的软件包，实现项目环境独立，也可以将虚拟环境导出/分享，便于迁移，一定程度上改善了碎片化问题。
安装步骤：
- 在 清华镜像 下载Miniconda，其中只包含Conda和 Python，不臃肿
- 安装过程中勾选“Add Anaconda to the system PATH environment variable”，勾选“Register Anaconda as the system Python 3.7”
- 添加 Anaconda 仓库与第三方源的清华镜像查看帮助
- 切换pip源
pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple - 查看conda：
conda --version - 更新conda：
conda update conda
环境管理命令:
-
查看环境
conda env list -
激活环境
conda activate <env_name> -
退出环境
conda deactivate <env_name> -
创建环境
# 如果不指定Python版本,则默认配置为Anaconda对应的版本, 如3.7.4 conda create --name <env_name> <package_names> 简写： conda create -n <env_name> <p1> <p2> 等 如： conda create -n python python=3.6 //小版本号默认最新 3.6.9 conda create -n python python=3.6.5 conda create -n python python=3.6.5 numpy pandas -
移除环境
conda env remove -n <env_name> -
导入环境
conda env create -f <file_name> // 创建/导入环境 conda env update -f <file_name> // 更新 如: conda env create -f <environment.yaml> -
导出环境
# 注意: 先激活目标环境，再导出 # 当前环境信息会被保存在environment.yaml文件中 # 可以使用 notepad++ 查看 conda env export > environment.yaml -
重命名环境
无. 可以clone新的名字，再删除 -
复制环境
conda create --name <dst_env_name> --clone <src_env_name>
包管理命令：
可以用conda, 也可以用pip, 只是来源不一样, 安装位置相同, 是可以用pip卸载conda安装的包. 但是建议只使用pip install\search 命令, 其他命令都使用conda, 避免混淆.
激活环境后安装的包位于 D:\Miniconda\envs\env_name\Lib\site-packages ；未激活/指定环境, base环境下安装的包位于 D:\Miniconda\Lib\site-packages, 操作的包也只是这些包, sublime操作的包也只是这些包.
各环境独立, 不存在操作所有环境的所有包; 但可同时操作某一环境的多个包, 包名以空格隔开即可.
安装时要注意版本号, conda安装会让用户确认是否安装. 但pip则不会, pip安装前一定要search. 由于匹配更新的问题，某些包只能通过pip安装，如opencv 4.x、PyTorch等
包管理操作前，必须激活目标环境，以下是常用的包管理命令
- 列出所有包
conda list - 安装包
conda install <package_name> - 移除包
conda remove <package_name> - 更新包
# 指定包 conda update <package_name> # 所有包 conda update --all - 搜索包
# 模糊搜索 conda search <package_name> # 精确搜索 conda search --full-name <package_name>