目录

• 1. 引言
• 2. 虚拟环境管理
• 2.1 创建虚拟环境
• 2.2 查看虚拟环境
• 2.3 激活虚拟环境
• 2.4 退出虚拟环境
• 2.5 删除虚拟环境

• 3.1 安装包
• 3.2 更新包
• 3.3 列出所有包
• 3.4 查找包
• 3.5 删除包

1. 引言

Anaconda是比较常用的一个开源python的发行版本。在进行机器学习以及深度学习时，我们常常会依赖于一些框架比如TensorFlow, XGBoost，在这种情况下，我们希望额外的开辟一块空间来安装这些框架，而不破坏主环境（base)。在Anaconda中，虚拟环境的存在可以很好的帮助我们实现上述功能。

2. 虚拟环境管理

2.1 创建虚拟环境

conda create -n env_name python=version

其中，参数-n是指接下来的参数指定虚拟环境名，python=version是为虚拟环境指定Python版本，指定版本后，conda会安装该版本下最新的子版本，例如指定版本为3.6时，conda将会安装最新的3.6.x版本。
例：创建一个虚拟环境，Python版本为3.5，虚拟环境名为tensorflow1.0

conda create -n tensorflow1.0 python=3.5

2.2 查看虚拟环境

conda env list

2.3 激活虚拟环境

conda activate env_name

比如：激活刚才创建的名为tensorflow1.0的虚拟环境

2.4 退出虚拟环境

退出虚拟环境时并不需要指定虚拟环境名，直接运行下行命令即可：

conda deactivate

会退回到base环境

2.5 删除虚拟环境

conda remove -n env_name --all

或者

conda env remove -n env_name

例如：删除名为tensorflow1.0的虚拟环境

conda remove -n tensorflow1.0 --all
or
conda env remove -n tensorflow1.0

3. 管理包

3.1 安装包

conda install package_name

pip install package_name

个人更常使用pip命令安装，原因是：

1. conda命令会因为网络 镜像等问题安装缓慢，相应缓慢
2. conda命令会安装其它依赖，但有时候这些依赖会破坏版本，导致一些库无法正常运行，尤其是在进行机器学习和深度学习时，库版本的对应很重要

3.2 更新包

conda update package_name

3.3 列出所有包

列出所有包

conda list

列出某个包

conda list package_name

3.4 查找包

conda search keyword

例如：我们要安装pandas，但是忘了准确名称，可以这样查找：

conda search pan

3.5 删除包

conda remove package_name

4 在虚拟环境下使用Jupyter Notebook

安装完虚拟环境