【TensorFlow】在Anaconda中创建虚拟环境

最近开始学习《TensorFlow实战》这本书，在大佬指导下发现自己过去对于Anaconda和python的认知有一定的错误，同时也发现了许多模糊的点。

在本科毕设时曾使用过numpy库和scipy库实现了一个简单的基于SVD矩阵分解推荐算法和一个基于协同过滤的推荐算法，安装了anaconda并使用其jupyter notebook插件码完了代码。这期间包括对于Anaconda环境的搭建以及对于Anaconda基本原理的学习。百度百科中介绍Anaconda是一个开源的包、环境管理器，可以用于在同一个机器上安装不同版本的软件包及其依赖，并能够在不同的环境之间切换。当时我对于Anaconda的理解：就是一个集成好的python环境，包含了numpy、pandas等等常用的python库，给我提供方便不用再去额外下载这些库这样的一个工具。

但是如今即将步入研一，在实验室大佬提示下我发现自己以前对于Anaconda的理解并不完整。在拜读了简书上另一位大神的笔记后，才感觉有点明白Anaconda存在的意义。

Anaconda完全入门指南——AC手环

我们所书写的python代码能够在电脑上运行，所依赖的东西有二：python解释器；python第三方包。在某次书写好的python代码中，可能会引用大量python第三方包，在引用并使用前，我们必须首先将其下载至电脑上。如果项目非常庞大，那么我们就有大量的包需要下载。为了能够在不同的电脑上快速凑齐运行程序所需要的环境，就需要Anaconda来为每一个项目创建一个虚拟环境，在该虚拟环境中，有运行该项目所必需的python解释器和所有第三方包。要变换当前正在做的项目时，只需要将环境切换至对应的虚拟环境中即可。

在Anaconda中配置虚拟环境的过程中，我有一个很大的疑问：pip安装和conda安装有什么区别？

python包管理工具：Conda和pip比较

粗看conda和pip的语句都大致一样，conda和pip通常被认为几乎完全相同。虽然这两个工具的某些功能重叠，但它们设计用于不同的目的。pip只能安装python包，在使用pip之前需要安装python解释器，而conda则可以安装任何python包，包括python解释器。此外，conda还可以安装其他的c、c++、r语言的包。