搬运来源: https://www.iotword.com/2498.html
最新Anaconda3的安装配置及使用教程（详细过程）
- 1. Anaconda下载
- 方式一：官网下载
- 方式二：清华镜像下载（推荐）
- 2. Anaconda安装
- 3. Anaconda配置
- 3.1 配置环境变量
- 3.2 配置国内镜像源
- 4. Anaconda使用
- 5. Conda常用命令
- 博主热门文章推荐：
Anaconda是一个开源的Python发行版本，其包含了conda、Python等180多个科学包及其依赖项
Anaconda + Jupyter 基本上已经是大部分机器学习/数据分析等开发者标配的开发环境，
进入正题：
1. Anaconda下载
方式一：官网下载
下载地址传送门：
直接选择相应的installer即可
方式二：清华镜像下载（推荐）
在官网下载比较慢，而且容易断，推荐用下面清华镜像方式：
打开后，可以通过Date排序找到最新版本下载
这里分别实测了通过官网和镜像下载的速度，实测镜像大概快两倍左右，当然取决于不同网络环境，。。
2. Anaconda安装
下载后，就和正常软件安装一样，
这里用Windows版举例：
选择用户
这里可以先不用选Add sys path，只勾选Register。 推荐安装之后手动配置SysPath，避免配置导致后期使用上的问题
等待完成，下一步
最后两项都不需要选，点击Finish，完成安装
可以看到安装后，除了Anaconda，默认还带了Jupyter、Spyder等
3. Anaconda配置
3.1 配置环境变量
打开电脑高级系统配置：
点开系统环境变量
找到下面System Variables -> Path，然后点击Edit 或直接双击
添加安装目录及相应bin目录进去，如下图，完成配置
之后可以简单通过cmd输入conda 命令检查下安装配置是否成功：
同时可以看下python的版本已经是conda带的版本了：
3.2 配置国内镜像源
继续在cmd里，通过输入下面命令配置为清华源：
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
打开Anaconda Navigator：
启动有点慢
或者打开Prompt命令行方式使用conda cmd
Navigator启动完成
其中已经安装好的直接可以点击Launch，比如点开Jupyter：
接下来点击左列的Environment，新建开发用虚拟环境即可使用，
（虚拟环境可以理解为只是系统的一个Folder，你可以在其中作为你的开发目录进行任意安装包，并与其他的Python包隔离开，互不影响，这也是conda的精髓）
如果用conda cmd也和图形页面一样，用cmd就是通过conda create
- conda create -n ObjectDetection python=3
创建过程如果报HTTP网络错误，可能是channel里多了一条default，去掉即可, 否则使用默认镜像源访问速度过慢，导致超时从而更新和下载失败
在用户根目录（C:\Users\用户名）下找到.condarc文件（本机conda的用户配置文件），打开并删除其中的default配置行即可
如果还不行，可以尝试把清华镜像源的https 改为http
最后创建完毕：
右键打开env的terminal，即可在该环境下进行开发了：
5. Conda常用命令
cmd详情可以参考官网Doc：
https://docs.conda.io/projects/conda/en/latest/commands.html
标签：教程,https,name,Anaconda3,conda,env,Anaconda,安装 From： https://www.cnblogs.com/lab-zj/p/16975410.html
conda –version #查看conda版本，验证是否安装
conda update conda #更新至最新版本，也会更新其它相关包
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 #创建名为env_name的新环境，并在该环境下安装名为package_name 的包，可以指定新环境的版本号，例如：conda create -n python2 python=python2.7 numpy
pandas，创建了python2环境，python版本为2.7，同时还安装了numpy pandas包source activate env_name #切换至env_name环境
source deactivate #退出环境
conda info -e #显示所有已经创建的环境
conda create –name new_env_name –clone old_env_name #复制old_env_name为new_env_name
conda remove –name env_name –all #删除环境
conda list #查看所有已经安装的包
conda install package_name #在当前环境中安装包
conda install –name env_name package_name #在指定环境中安装包
conda remove – name env_name package #删除指定环境中的包
conda remove package #删除当前环境中的包
conda create -n tensorflow_env tensorflow
conda activate tensorflow_env #conda 安装tensorflow的CPU版本
- conda create -n tensorflow_gpuenv tensorflow-gpu
conda activate tensorflow_gpuenv #conda安装tensorflow的GPU版本