Conda的包管理
# 查看創建的虛擬環境
conda info -e
conda env list
# 創建一個名為python34的環境，指定Python版本是3.4（不用管是3.4.x，conda會為我們自動尋找3.4.x中的最新版本）
conda create --name python34 python=3.4
# 此時，再次輸入
python --version
# 可以得到Python 3.4.5 :: Anaconda 4.1.1 (64-bit)，即系統已經切換到了3.4的環境
# 如果想返回默認的python 2.7環境，運行
deactivate python34 # for Windows
source deactivate python34 # for Linux & Mac
# 刪除一個已有的環境
conda remove --name python34 --all
# 安裝好后，使用activate激活某個環境
activate python34 # for Windows
source activate python34 # for Linux & Mac
# 激活后，會發現terminal輸入的地方多了python34的字樣，實際上，此時系統做的事情就是把默認2.7環境從PATH中去除，再把3.4對應的命令加入PATH
# 安裝依賴包
conda install --yes --file requirements.txt
python3 -m pip install locustio 安裝單個
pip3 install -r xxx.txt 安裝依賴文件
pip install django==1.11.7 -i http://pypi.douban.com/simple --trusted-host pypi.douban.com
Conda的包管理
Conda的包管理就比較好理解了，這部分功能與pip類似。
例如，如果需要安裝scipy：
# 安裝scipy
conda install scipy
# conda會從從遠程搜索scipy的相關信息和依賴項目，對於python 3.4，conda會同時安裝numpy和mkl（運算加速的庫）# 查看已經安裝的packages
conda list
# 最新版的conda是從site-packages文件夾中搜索已經安裝的包，不依賴於pip，因此可以顯示出通過各種方式安裝的包
conda的一些常用操作如下：
# 查看當前環境下已安裝的包
conda list# 查看某個指定環境的已安裝包
conda list -n python34# 查找package信息
conda search numpy# 安裝package
conda install -n python34 numpy
# 如果不用-n指定環境名稱，則被安裝在當前活躍環境
# 也可以通過-c指定通過某個channel安裝# 更新package
conda update -n python34 numpy# 刪除package
conda remove -n python34 numpy
前面已經提到，conda將conda、python等都視為package，因此，完全可以使用conda來管理conda和python的版本，例如
# 更新conda，保持conda最新
conda update conda# 更新anaconda
conda update anaconda# 更新python
conda update python
# 假設當前環境是python 3.4, conda會將python升級為3.4.x系列的當前最新版本
補充：如果創建新的python環境，比如3.4，運行conda create -n python34 python=3.4之后，conda僅安裝python 3.4相關的必須項，如python, pip等，如果希望該環境像默認環境那樣，安裝anaconda集合包，只需要：
# 在當前環境下安裝anaconda包集合
conda install anaconda# 結合創建環境的命令，以上操作可以合並為
conda create -n python34 python=3.4 anaconda
# 也可以不用全部安裝，根據需求安裝自己需要的package即可
設置國內鏡像
如果需要安裝很多packages，你會發現conda下載的速度經常很慢，因為Anaconda.org的服務器在國外。所幸的是，清華TUNA鏡像源有Anaconda倉庫的鏡像，我們將其加入conda的配置即可：
# 添加Anaconda的TUNA鏡像
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
# TUNA的help中鏡像地址加有引號，需要去掉# 設置搜索時顯示通道地址
conda config --set show_channel_urls yes
執行完上述命令后，會生成~/.condarc(Linux/Mac)或C:\Users\USER_NAME.condarc文件，記錄着我們對conda的配置，直接手動創建、編輯該文件是相同的效果。
跋
Anaconda具有跨平台、包管理、環境管理的特點，因此很適合快速在新的機器上部署Python環境。總結而言，整套安裝、配置流程如下：
- 下載Anaconda、安裝
- 配置PATH（bashrc或環境變量），更改TUNA鏡像源
- 創建所需的不用版本的python環境
- Just Try!
cheat-sheet 下載：
Conda cheat sheet
- 進入環境： activate python36
- 退出環境： conda deactivate
- 刪除環境： conda reove --name python36 --all
4.通常我們使用命令：conda create -n env_name python=x.x創建一個環境，
但是此時環境默認 $HOME/.conda/envs/env_name，在激活這個環境的時候，
可以使用命令：source activate env_name
退出命令：source deactivate env_name但有時侯我們需要指定環境的路徑，因此可以使用命令：conda create -p /opt/environment/.conda/envs/env_name python=2.7以上命令創建一個名字為env_name的環境。env_name可自定義，可以為keras, tensorflow, my_tensorflow等等。不同地，激活該環境使用如下命令：source activate /opt/environment/.conda/envs/env_name 切記是環境的全路徑，退出該環境的命令是：source deactivate env_name另外，使用命令如：conda install tensorflow-gpu可以自動安裝關於tensorflow-gpu的依賴已經所需環境，如該版本的tensorflow-gpu對應的cudnn庫文件。刪除一個環境conda env remove -p /disk2/houjun/environment/.conda/envs/caffe或者conda env remove -n caffe