Anaconda快速了解和入门

数据科学现在已经在高校、科研和企业中掀起了一股热潮，让有很多数据的公司产生了对数据进行挖掘、分类与识别的新需求。业界用的最多的就是anaconda环境了。使用anaconda好处多多，比如环境隔离、自带的包管理系统等，可以让我们方便的创建多个实验环境并且管理这些包。

anaconda其实包含两部分，一部分是包管理器conda环境以及相关工具脚本集，另一部分就是环境以及安装的模块。

conda类似ubuntu的apt，对于一个可运行的软件，都是由一个或者以上的软件包组成应用程序的依赖库集合，通过命令安装时会安装到合适的位置，便可以管理和下载软件包/脚本模块到本地任意创建的环境中，并且不同的环境可以进行隔离运行。conda既能方便的安装应用，又能避免重复模块的下载，节省了空间，并且方便应用程序的升级。要同时安装多个应用包（或者叫模块），只要执行命令即可，甚至在不同的环境中可以安装和运行不同的Python版本。

我们来认识一下万能的conda命令。

首先我们需要创建一个干净的环境

 

首先我们先选这个，进入conda基础环境提示符。

 

这个窗口是Windows命令提示符，但是特殊在它已经激活了conda中base这个环境，目录左边的(base)就说明我们已经在base环境下了。

我们看一下有多少已经安装的环境

执行命令：

conda env list

当前环境仅仅创建了一个base环境

我们需要创建一个干净的环境
需要执行另一个子命令

conda create -n KerasLab

 

创建成功！此时我们就需要激活这个新创建的环境了，我们按照提示，执行命令：

conda activate KerasLab

就替换了base而使用KerasLab环境了。

一半从源站下载会十分缓慢。所以我们使用国内清华大学源镜像下载。

执行命令

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --set show_channel_urls yes 

这样我们就把清华源镜像加入下载频道了。后续安装模块就可以从清华大学服务器下载了。

现在我们想要在D盘DeepLab目录作为工作目录。我们需要切换目录到这个目录，执行 命令

cd /d D:\DeepLab

接下来我们需要安装我们所需要的模块

conda install keras=2.0.8 numpy matplotlib jupyter jupyterlab

或者创建一个文本文件，requirements.txt，内容填写：

keras=2.0.8
numpy
matplotlib
jupyter
jupyterlab

保存，然后在这个目录中执行：

conda install  --file requirements.txt

我们就装好了环境，当前目录下我们就可以执行jupyter来做实验了。

 

后话，我们可以不装anaconda，只安装miniconda，减小减少用不到的模块的安装，需要哪些装哪些。

以后每次启动DeepLab这个项目的工作目录和环境，只需要以下四步骤：

第一步：

第二步：切换工作目录:

第三步：切换环境：

第四步：启动Jupyter Lab