包管理工具conda极简教程
conda的作用
Anaconda是目前非常流行的一个python包管理器，自带很多流行的python库，包括numpy，pandas等，当然还有conda。而Conda是一个开源的软件包管理系统和环境管理系统，用于安装多个版本的软件包及其依赖关系，并在它们之间轻松切换。
直接进入正题，本文通过几个最基本的命令，来介绍conda如何使用。
创建一个python环境
首先假设你已经安装了anaconda
使用如下命令创建一个名为py2_pytorch的新python环境。
[ansheng@*** ~]$conda create --name py2_pytorch
查看所有环境
使用conda env list命令可以查看当前的所有python环境
[ansheng@*** ~]$conda env list
# conda environments:
#
base * /data/ansheng/anaconda2
py2_pytorch /data/ansheng/anaconda2/envs/py2_pytorch
可以看到，当前有两个环境，一个是安装anaconda后自带的base环境，一个是我们刚刚新建的python环境py2_pytorch。
激活or关闭指定环境
使用source activate 环境名 激活指定环境
[ansheng@*** ~]$source activate py2_pytorch
(py2_pytorch) [ansheng@*** ~]$
使用source deactivate or source deactivate 环境名 关闭当前环境
(py2_pytorch) [ansheng@ocr-gpu-12-10 ~]$ source deactivate py2_pytorch
(base) [ansheng@ocr-gpu-12-10 ~]$
使用后一定要记得关闭
在指定环境中安装包
假设我们想在新建的python环境py2_pytorch中安装cpu版本的pytorch，我们来模拟这个过程
首先切换到想要安装python包的环境中
使用conda install + python包名称 的方式安装指定的包及相关的依赖包
[ansheng@*** ~]$source activate py2_pytorch
(py2_pytorch) [ansheng@*** ~]$conda install pytorch
耐心的等待后cpu版本的pytorch就装好了，当然如果你想装对应CUDA9.0的GPU版本的pytorch，使用如下命令，不过这已经是题外话了。
(py2_pytorch) [ansheng@*** ~]$conda install pytorch-nightly cudatoolkit=9.0 -c pytorch
一键化的conda install命令帮忙处理了所有依赖关系，推荐仅在一个新的空环境中使用conda install这样的命令来快速的安装一个如tensorflow或pytorch这样具有众多依赖的python库。
个人还是比较推荐使用pip install命令来安装python包，使用方法没有区别，例如：
(py2_pytorch) [ansheng@*** ~]$pip install numpy
(py2_pytorch) [ansheng@*** ~]$pip install pandas
演示：尝试切换环境并调用python包
下面我们来进行一个简单的实践演示，直观感受下conda的正确打开方式。
首先我们先退出刚刚打开的py2_pytorch环境
(py2_pytorch) [ansheng@ocr-gpu-12-10 ~]$ source deactivate
(base) [ansheng@ocr-gpu-12-10 ~]$
base环境是我平时最常用的python环境，这里面安装了tensorflow，因此在base环境中我可以进行如下操作：
(base) [ansheng@*** ~]$ python
Python 2.7.15 |Anaconda, Inc.| (default, May 1 2018, 23:32:55)
[GCC 7.2.0] on linux2
Type "help", "copyright", "credits" or "license" for more information.
>>> import numpy
>>> import tensorflow
>>> import torch
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
ImportError: No module named torch
>>>
可以看到，在base环境下，我们运行python后，可以import一些常规库如numpy，也可以成功import tensorflow。但是我们没有安装pytorch，因此我们import torch失败。
这时，当我们想安装一个pytorch，但是又担心pytorch和tensorflow这两个依赖都比较多的库产生冲突时，conda就派上用场了。
正如我们之前做的那样，我们可以新建一个和当前python环境完成隔离的新的环境，在这个环境中来维护pytorch所需的所有依赖。因此，当我想要使用pytorch时，我仅仅需要激活py2_pytorch环境即可，例如：
[ansheng@*** ~]$source activate py2_pytorch
(py2_pytorch) [ansheng@*** ~]$
(py2_pytorch) [ansheng@*** ~]$ python
Python 2.7.15 |Anaconda, Inc.| (default, May 1 2018, 23:32:55)
[GCC 7.2.0] on linux2
Type "help", "copyright", "credits" or "license" for more information.
>>> import numpy
>>> import torch
>>> import tensorflow
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
ImportError: No module named tensorflow
>>> quit()
转载：https://blog.csdn.net/u011583927/article/details/102234471