使用conda来搞科研

与普通的python学习者不同，搞科研可能需要在许多不同的python环境下进行编码，因此我使用Anaconda3进行python的环境管理，一开始还不太会用，觉得很弱智，在学长指导一番后，发现用法和npm很像，很好上手。

准备

首先要先给conda换源，conda最好换清华的源。
然后给pip换源，因为conda底下很多包安装不了，需要用到pip，这里暂时先换成清华的源。

注意

在科研中常用的包有numpy、TensorFlow、Keras等，我发现豆瓣的源下载tf、keras很快很快，比清华源的速度不知道高多少，又快又稳定，因此在安装大型数据科学包时，建议使用豆瓣的镜像。

pip install --index-url https://pypi.douban.com/simple tensorflow
pip install --index-url https://pypi.douban.com/simple keras

安装Anaconda3

为什么不安装anacondamini？因为，在一开始使用的时候，很多东西都不太明白，虽然condamini更轻量化，但是对于刚入门使用的人来说，会有一定的压力

conda常用命令

安装好Anaconda以后，就应该在anywhere执行conda命令了，初始会默认有一个base环境，可以把常用的包装在里面。

1. conda create -n <name> python=<3.x>

这是一个最最常用的命令了，是用来创建一个环境。

• name指包名
• 3.x指python的版本

2. conda activate <name>

进入指定的环境

3. conda install <name[=version]>

conda install keras=2.0

安装指定版本的包

4. conda list

查看当前环境有哪些包

5. conda info -e

查看有哪些环境？有时候会忘了自己的环境名

6. conda uninstall pkgname

6. 命令

--property
acas
--acas_prop
2
--net
./resources/acas/models/acas_1_1.h5
--st_ratio
0.7
--depth_power
20.0
--splitters
1
--workers
4
--offline_dep
False
--online_dep
False
--ideal_cuts
False
--timeout
3600