搬運來源: https://www.iotword.com/2498.html

1. Anaconda下載

方式一：官網下載

下載地址傳送門：

官網首頁：https://www.anaconda.com/
官網下載頁：https://www.anaconda.com/products/individual#Downloads

直接選擇相應的installer即可

方式二：清華映象下載（推薦）

在官網下載比較慢，而且容易斷，推薦用下面清華映象方式：

下載地址：https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/

開啟後，可以通過Date排序找到最新版本下載

這裡分別實測了通過官網和映象下載的速度，實測映象大概快兩倍左右，當然取決於不同網路環境，。。

2. Anaconda安裝

下載後，就和正常軟體安裝一樣，

這裡用Windows版舉例：

選擇使用者

這裡可以先不用選Add sys path，只勾選Register。推薦安裝之後手動配置SysPath，避免配置導致後期使用上的問題

等待完成，下一步

最後兩項都不需要選，點選Finish，完成安裝

可以看到安裝後，除了Anaconda，預設還帶了Jupyter、Spyder等

3. Anaconda配置

3.1 配置環境變數

開啟電腦高階系統配置：

點開系統環境變數

找到下面System Variables -> Path，然後點選Edit 或直接雙擊

新增安裝目錄及相應bin目錄進去，如下圖，完成配置

之後可以簡單通過cmd輸入conda 命令檢查下安裝配置是否成功：

同時可以看下python的版本已經是conda帶的版本了：

3.2 配置國內映象源

繼續在cmd裡，通過輸入下面命令配置為清華源：


conda config --add channels    https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels    https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --add channels    https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/

4. Anaconda使用

開啟Anaconda Navigator：

啟動有點慢

或者開啟Prompt命令列方式使用conda cmd

Navigator啟動完成

其中已經安裝好的直接可以點選Launch，比如點開Jupyter：

接下來點選左列的Environment，新建開發用虛擬環境即可使用，

（虛擬環境可以理解為只是系統的一個Folder，你可以在其中作為你的開發目錄進行任意安裝包，並與其他的Python包隔離開，互不影響，這也是conda的精髓）

如果用conda cmd也和圖形頁面一樣，用cmd就是通過conda create

conda create -n ObjectDetection python=3

建立過程如果報HTTP網路錯誤，可能是channel裡多了一條default，去掉即可, 否則使用預設映象源訪問速度過慢，導致超時從而更新和下載失敗

在使用者根目錄（C:\Users\使用者名稱）下找到.condarc檔案（本機conda的使用者配置檔案），開啟並刪除其中的default配置行即可

如果還不行，可以嘗試把清華映象源的https 改為http

最後建立完畢：

右鍵開啟env的terminal，即可在該環境下進行開發了：

5. Conda常用命令

cmd詳情可以參考官網Doc：
https://docs.conda.io/projects/conda/en/latest/commands.html

conda –version #檢視conda版本，驗證是否安裝

conda update conda #更新至最新版本，也會更新其它相關包

conda update –all #更新所有包

conda update package_name #更新指定的包

conda create -n env_name package_name #建立名為env_name的新環境，並在該環境下安裝名為package_name 的包，可以指定新環境的版本號，例如：conda create -n python2 python=python2.7 numpy
pandas，建立了python2環境，python版本為2.7，同時還安裝了numpy pandas包

source activate env_name #切換至env_name環境

source deactivate #退出環境

conda info -e #顯示所有已經建立的環境

conda create –name new_env_name –clone old_env_name #複製old_env_name為new_env_name

conda remove –name env_name –all #刪除環境

conda list #檢視所有已經安裝的包

conda install package_name #在當前環境中安裝包

conda install –name env_name package_name #在指定環境中安裝包

conda remove – name env_name package #刪除指定環境中的包

conda remove package #刪除當前環境中的包

conda create -n tensorflow_env tensorflow

conda activate tensorflow_env #conda 安裝tensorflow的CPU版本

conda create -n tensorflow_gpuenv tensorflow-gpu

conda activate tensorflow_gpuenv #conda安裝tensorflow的GPU版本