---

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：

• 官网首页：https://www.anaconda.com/
• 官网下载页：https://www.anaconda.com/products/individual#Downloads

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：

• 下载地址：https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/

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

1. conda --version #查看conda版本，验证是否安装

2. conda update conda #更新至最新版本，也会更新其它相关包

3. conda update --all #更新所有包

4. conda update package_name #更新指定的包

5. 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

6. source activate env_name #切换至env_name环境

7. source deactivate #退出环境

8. conda info -e #显示所有已经创建的环境

9. conda create --name new_env_name --clone old_env_name #复制old_env_name为new_env_name

10. conda remove --name env_name –all #删除环境

11. conda list #查看所有已经安装的包

12. conda install package_name #在当前环境中安装包

13. conda install --name env_name package_name #在指定环境中安装包

14. conda remove – name env_name package #删除指定环境中的包

15. conda remove package #删除当前环境中的包

16. conda create -n tensorflow_env tensorflow

conda activate tensorflow_env #conda 安装tensorflow的CPU版本

17. conda create -n tensorflow_gpuenv tensorflow-gpu

conda activate tensorflow_gpuenv #conda安装tensorflow的GPU版本

---

博主热门文章推荐：

一篇读懂系列：

• 一篇读懂无线充电技术（附方案选型及原理分析）
• 一篇读懂：Android/iOS手机如何通过音频接口（耳机孔）与外设通信
• 一篇读懂：Android手机如何通过USB接口与外设通信（附原理分析及方案选型）

LoRa Mesh系列：

• LoRa学习：LoRa关键参数（扩频因子，编码率，带宽）的设定及解释
• LoRa学习：信道占用检测原理（CAD）
• LoRa/FSK 无线频谱波形分析（频谱分析仪测试LoRa/FSK带宽、功率、频率误差等）

网络安全系列：

• ATECC508A芯片开发笔记（一）：初识加密芯片
• SHA/HMAC/AES-CBC/CTR 算法执行效率及RAM消耗 测试结果
• 常见加密/签名/哈希算法性能比较 (多平台 AES/DES, DH, ECDSA, RSA等)
• AES加解密效率测试（纯软件AES128/256）–以嵌入式Cortex-M0与M3 平台为例

嵌入式开发系列：

• 嵌入式学习中较好的练手项目和课题整理（附代码资料、学习视频和嵌入式学习规划）
• IAR调试使用技巧汇总：数据断点、CallStack、设置堆栈、查看栈使用和栈深度、Memory、Set Next Statement等
• Linux内核编译配置（Menuconfig）、制作文件系统 详细步骤
• Android底层调用C代码（JNI实现）
• 树莓派到手第一步：上电启动、安装中文字体、虚拟键盘、开启SSH等
• Android/Linux设备有线&无线 双网共存（同时上内、外网）

AI / 机器学习系列：

• AI: 机器学习必须懂的几个术语：Lable、Feature、Model…
• AI：卷积神经网络CNN 解决过拟合的方法 （Overcome Overfitting）
• AI: 什么是机器学习的数据清洗（Data Cleaning）
• AI: 机器学习的模型是如何训练的？（在试错中学习）
• 数据可视化：TensorboardX安装及使用（安装测试+实例演示）

---