环境：windows10 Anaconda

python一般有两种包管理工具：conda 和 pip

在Anaconda中，两者都可以使用。但是对于初次接触的人，对于其环境与python包的管理和作用范围及方法，会比较困惑。

首先，安装Anaconda，记得加环境变量：https://www.cnblogs.com/jpfss/p/8608204.html

总结论

• Anaconda env互相独立，pip和conda的依赖包都不互通。
• 在添加环境变量的情况下，直接用cmd可以理解为使用的是base env。
  如果有多环境的需求，建议创建不同的env。在env中进行pip和conda的包管理
  如果没有多环境需求，直接拿CMD操作即可

实验验证

打开Anaconda Navigator可以看到环境，可以在这里进行创建。
下面将用实际用例来验证作用范围和方法。并不需要跟着做，目的只是讲明依赖包的作用范围。

事先准备

cmd中直接 pip 安装 chardet: pip install chardet（自带的，但是新建环境中没有这个包）
创建pytorch环境，安装pytorch：conda install pytorch torchvision cpuonly -c pytorch
创建tensorflow2环境，安装tensorflow：conda install tensorflow

CMD与anaconda env

• 直接运行语句，比如python，此时使用环境变量Path中的python依赖包和脚本命令。
  python
  >>>import chardet
  成功
  >>>import torch
  no module named 'torch'
• 进入pytorch环境：activate pytorch
python
  >>>import chardet
  no module named 'chardet'
  >>>import torch
  成功

结论

cmd中使用的依赖包和Anaconda env中的依赖包互相独立。

Anaconda env之间

• activate tensorflow2

python
import tensorflow as tf
print(tf.__version__)

'>>>2.0.0'
import torch
'no module name torch'

• activate torch

python
import tensorflow as tf

'no module named tensorflow'
import torch
成功

结论

Anaconda env之间的依赖包互相独立。