Anaconda相对于原生python解释器具有更好的包管理功能,它有一个env文件夹,里面包含所要管理的所有环境;日常操作时我们可能会使用pytorch、Tensorflow等多个环境,由于每个环境对Python的包的兼容性都不一样,所以我们可以创建多个独立的环境,每个环境中的python包都是独立的,相互不干扰,方便管理以及解决兼容性的问题;
场景1:我们现在要使用Tensorflow和Pytorch框架,则可以创建对应的环境。使用"source activate tensorflow"来创建tensorflow环境,pytorch类似,然后在这个环境中安装需要的python包(conda install)
注意:(1)Anaconda自身也有一个环境(base),它与我们创建的环境之间独立,互相无法调用各自的包;
(2)"source activate xxx"其实就是python解释器的解释路径转换到xxx环境中,平时运行时要注意这个;
(3)"conda install xxx"安装包时也要注意要安装到的环境;
(4)使用“conda create -n pytorch python=3.7”来创建pytorch环境;