在Ubuntu18.04上使用Anaconda

启动Anaconda Navigator 图形化界面

$ source ~/anaconda3/bin/activate root

$ anaconda-navigator

查看目前的conda版本：

conda --version

使用conda 安装requirements.txt中包

conda install --yes --file requirements.txt

提高下载速度

Anaconda 的镜像地址默认在国外，用 conda 安装包的时候会很慢，目前可用的国内镜像源地址是清华大学提供的。修改 ~/.condarc (Linux/Mac) 或 C:\Users\当前用户名.condarc (Windows) 配置

channels:

 - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/

 - defaults

show_channel_urls: true

anaconda换源

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/pytorch/ 
conda config --set show_channel_urls yes

上文中前两个属于anaconda python的基础免费仓库镜像，最后一个属于pytorch的仓库镜像。注意想要下载pytorch要加上第三个镜像地址。

pip换源

除此之外，你也可以把 pip 的镜像源地址也换成国内的，豆瓣源速度比较快。修改 ~/.pip/pip.conf (Linux/Mac) 或 C:\Users\当前用户名\pip\pip.ini (Windows) 配置：

[global]

trusted-host =  pypi.douban.com

index-url = http://pypi.douban.com/simple

一、环境管理（原因是很可能某个包不支持conda 默认的Python3.7 比如我tensorflow 不支持3.7)

1查看当前系统下的环境

conda env list

或者

conda info -e

conda info --envs

2.创建

# 指定python版本为3.，注意至少需要指定python版本或者要安装的包

conda create -n env_name python=3.6

# 同时安装必要的包

conda create -n env_name numpy matplotlib python=3.6

我这里env_name 选择的是python3.6

3.激活进入环境

conda activate python3.

原来指令已经废弃

source activate python3.

4.退出环境回到默认环境

conda deactivate

5 删除某些已经不需要的环境

conda remove -n env_name --all

二、包管理

给某个特定环境安装package有两个选择：

一是切换到该环境下直接安装

# 进入该环境
activate env_name

# 安装单独某个包
conda install pandas

# 安装anaconda发行版中所有的包

conda install anaconda

# 安装 matplotlib

conda install matplotlib
# 同时安装多个包
conda install numpy scipy pandas 
# 安装指定版本的包
conda install numpy=1.11 

# 查看已安装的包

conda list

# 包更新

conda update matplotlib

# 删除包

conda remove matplotlib

二是安装时指定环境参数-n

conda install -n env_name pandas

查看已经安装的package

conda list

# 指定查看某环境下安装的package

conda list -n env_name

查找软件源里面的版本信息

conda search package

更新本地的包

conda update numpy

conda update anaconda

卸载包

conda remove numpy

复制环境

conda create --name <new_env_name> --clone <copied_env_name>

以上参考收集自

https://blog.csdn.net/sinat_38816924/article/details/88752817

https://blog.csdn.net/u012151283/article/details/54145347

注意虚拟环境最好使用python3.5 ,python3.6的spyder会不明原因报错