一、安装Anaconda
Anaconda 是一个用于科学计算的 Python 发行版，支持 Linux, Mac, Windows, 包含了众多流行的科学计算、数据分析的 Python 包。
1.1 安装Anaconda
Anaconda的官网是(https://anaconda.org/)，下载则在(https://www.anaconda.com/download/)页面.
可以根据你的系统版本(64-Bit或者32-Bit)或者Python版本(Python3.6或者Python2.7)，直接点击Download下载即可，推荐Python3.6,64-Bit的版本。
这里我推荐去清华镜像下载Anaconda的安装包。它提供Linux，Windows，macOS全平台的安装包。
在这个页面你可以选择不同的版本进行安装。因为页面的目录组织形式是按照时间顺序排列的，如果你想直接下载最新的版本，那直接拖动到页面底部。
1.2 安装Miniconda
以windows为例，Anaconda的安装包达到了537M，解压之后足有2G，称的上是大而全，里面已经包含了你科学计算和日常使用的常用包。如果你对软件有洁癖，需要自己进行包管理。我推荐下载Miniconda。
同样地，清华镜像也提供了安装包。
下载页面：https://mirrors.tuna.tsinghua.edu.cn/anaconda/miniconda/
直接点击链接下载即可。
下载后的安装这里不再赘述，按照指引一步步next即可。
1.3 配置环境变量
windows
进入文件管理器，然后依次进入，此电脑->鼠标右键->选择属性->高级系统设置->环境变量
在系统变量里面点击新建，然后编辑系统变量，把路径改成你自己的安装目录即可。
然后在系统变量的path里面添加
%CONDA_HOME%\Scripts
Linux
在~/.bashrc里面添加下面两行，然后执行source ~/.bashrc即可
export CONDA_HOME=$你的安装目录
export PATH=$CONDA_HOME/Scripts:$PATH
二、conda换源
自带的conda源由于服务器在国外，存在着连接不稳定和速度慢的问题。值得庆幸的是，清华和中科大提供了国内的镜像。
2.1 换清华源
TUNA 还提供了 Anaconda 仓库的镜像，在命令行运行以下命令:
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --set show_channel_urls yes
即可添加 Anaconda Python 免费仓库。
运行 conda install numpy 测试一下吧。
2.2 换中科大源
同样的，在命令行运行以下三条命令：
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/main/
conda config --set show_channel_urls yes
2.3 验证添加
我们可以通过在命令行输入conda config --show命令查看是否添加成功
conda config --show
出现的内容中如果包括以下内容就是设置成功。重点查看channels下面是否有刚才添加的源url：
channels:
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
- defaults
那如果我们想通过文件修改怎么办？也是可以的。
1.在Windows下：
修改C:\Users\你的用户名\.condarc文件即可
2.在Linux下：
修改~/.condarc即可
2.4 删除源
实际使用中，添加了多个软件源，但可能遇上清华源比较慢，只想使用中科大的源；或者说下载包的时候不想去默认源检索包，只想从国内源（清华源，中科大源）检索，那就需要使用删除源的操作。
首先，明确一点，从2.3节我们可以看到，所有的软件源都在channels分支下面,defaluts代表的是自带的默认源，channels的具体内容我在下面再次给出，方便查看：
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
- defaults
1.删除自定义源
如果删除指定某一条，可以编辑.condarc文件，删除两条清华的源url即可
也可以使用如下的命令
conda config --remove channels 'https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free
2.删除默认源(但不全部移除)
可以编辑.condarc文件，删除defaults那一行即可
对应的命令
conda config --remove channels defaults
2.5 恢复默认源
conda config --remove-key channels
三、pip换源
pip的话也可以换源，而且国内源比较多，我这里常用的是清华，豆瓣和阿里源。推荐阿里源，比较稳定。
替换的方法比较简单，下面分别给出不同平台的配置方法
1.在Windows下
直接在user目录中创建一个pip目录，如：C:\Users\xx\pip，新建文件pip.ini
2.在Linux下
修改~/.pip/pip.conf (没有就创建一个)
3.在macOS下
修改$HOME/Library/Application Support/pip/pip.conf (没有就创建一个)
pip 和 pip3 并存时，只需修改 ~/.pip/pip.conf。下面的换源都是编辑pip.conf文件。需要添加的部分如下3.1,3.1,3.3三节所示：
3.1 换清华源
[global]
index-url = https://pypi.tuna.tsinghua.edu.cn/simple
3.2 换豆瓣源
[global]
index-url = http://pypi.douban.com/simple
3.3 换阿里源
[global]
index-url = http://mirrors.aliyun.com/pypi/simple/
四、conda常用命令(命令行输入)
4.1 查看帮助
conda -h
4.2 查看版本
和pip还有python查看版本的命令是一样的，都是加上-V。
conda -V
4.3 查看所有安装的包
和pip还有python查看版本的命令是一样的，都是加上-V。
conda list
当然可以使用grep命令筛选
conda list | grep numpy
4.4 查看配置
conda config --show
4.5 安装软件
这里提供三种安装的方式,均已numpy为例子
1.直接安装
conda install numpy
2.从指定的源(例如conda-forge)安装
conda install -c conda-forge numpy
3.本地安装
我们可以中指定的源下载安装包，例如conda官网，在搜索框输入你想下载的包，然后进入files选择你想符合要求的包
image.png
conda install 你的本地路径
例如，我下载到了C:\Users\symsimmy\Downloads\py36_blas_openblas_200.tar.bz2，那就是
conda install C:\Users\symsimmy\Downloads\py36_blas_openblas_200.tar.bz2
4.6 删除软件
conda uninstall numpy
4.7 查找软件
conda search numpy
4.8 创建虚拟环境
可以指定python和pip的版本，达到不同程序所需的环境。
查看当前存在的虚拟环境
conda env list或者conda info -e，带*号的是当前已激活的虚拟环境
image.png
那下面我们以安装tensorflow为例子，我们来演示一下如何使用虚拟环境
- 调用以下命令创建名为 tensorflow 的 conda 环境：
C:>conda create -n tensorflow pip python=3.5
- 发出以下命令以激活 conda 环境：
activate tensorflow
- 发出相关命令以在 conda 环境中安装 TensorFlow。要安装仅支持 CPU 的 TensorFlow 版本，请输入以下命令：
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple --ignore-installed --upgrade tensorflow
要安装 GPU 版本的 TensorFlow，请输入以下命令（在同一行）：
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple --ignore-installed --upgrade tensorflow-gpu
再次使用codna env list看当前已激活的是否为tensorflow
网友评论