Anaconda环境管理

为了方便多个科研项目同时开发，不导致包之间的冲突，我们使用Anaconda进行环境的管理。

可以说，Anaconda是深度学习的研究人员必备的工具之一。

我们在机器上预装了Anaconda3, 可以使用anaconda方便的管理环境的package依赖。 使用anaconda安装包的好处在于它能自动的帮你解决安装package过程中的依赖，会把附属包也一并装上。 如果下载速度太慢，请设置conda的源为清华源。可以通过修改用户目录下的 .condarc 文件。

channels:
  - defaults
show_channel_urls: true
channel_alias: https://mirrors.tuna.tsinghua.edu.cn/anaconda
default_channels:
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/pro
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2
custom_channels:
  conda-forge: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  msys2: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  bioconda: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  menpo: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  pytorch: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  simpleitk: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud

即可添加 Anaconda Python 免费仓库。

常见的conda命令

查看已有环境

conda info --envs

创建新的环境

conda create -n your_env_name

切换到新的环境

conda activate your_env_name

安装package

conda install package_name

或者使用pip

pip install package_name