安装环境的角度区分tensorflow和PyTorch等不同

一般情况下，当我们pip install库时，都是直接下载到anaconda的命为base的虚拟环境里：如下图所示：

但当我们需要下载安装例如tensorflow时，并不是直接下载到base里，而是新建一个虚拟环境命名tensorflow。
深度学习框架tensorflow和PyTorch也是库，为何不能直接pip到base里呢？还要各自新建虚拟环境进行安装呢？

一般情况下，我们只使用到cpu处理，不使用GPU加速。但是使用tensorflow、PyTorch等库时如果训练的数据比较多时间比较长时，需要GPU加速，而不同的深度学习库之间需要的GPU中的cuda和cudnn的版本又不同，所以如果同时需要两个库都加速使用的话，安装在一起只能使用其中一个，所以一般情况下在安装tensorflow、PyTorch都会单独建立自己的虚拟环境。
当然比如已经安装了tensorflow的虚拟环境，我们还会用到open-cv,那要也单独安装open-cv的虚拟环境吗？这取决于open-cv数据的处理量，如果并不需要批量并行处理的话，直接安装在tensorflow的环境下就可以，这种情况下就相当于tensorflow使用GPU加速，而open-cv只使用cpu就可以。