更详细可以参考：
Anaconda完全入门指南
conda官方文档
Anaconda官方文档

conda创建新环境

如果只是用的话，用【创建】和【激活】的命令足够了～

第一步：创建

conda create --name yourEnv python=2.7

• –name：也可以缩写为 【-n】，【yourEnv】是新创建的虚拟环境的名字，创建完，可以装anaconda的目录下找到envs/yourEnv 目录
• python=2.7：是python的版本号。也可以指定为【python=3.6】，若未指定，默认为是装anaconda时python的版本.

若想要在创建环境同时安装python的一些包：
conda create -n yourEnv python=3.6 numpy pandas

若想在别人虚拟环境的基础上创建自己的环境：
conda create --name <yourEnv> --clone <baseEnv>

第二步：激活

windows ==> activate yourEnv
linux/mac ==> source activate yourEnv

tips:

• linux用户需要进入到anaconda/envs目录下激活需要的环境，或者通过命令source active /home/yourName/anaconda3/envs/yourEnv激活需要的环境；

  上面激活的方式进入目录太复杂 or 命令太长了，可以通过设置全局变量或者用linux的别名alias设置。
  第一种方式,将需要激活的路径下的bin文件添加到全局环境变量中如将/home/yourName/anaconda3/envs/yourEnv/bin添加到~/.bash_profile中。
  第二种方式，通过vim ～/.bash_profile，向里面添加alias activeEnv='source activate /home/yourName/anaconda3/envs/yourEnv'，source ～/.bash_profile之后可以直接在命令行输入activeEnv激活相应环境
  建议第二种，并建议看下linux的alias，非常好用

• windows用户环境变量中添加（改成自己的路径）：

  D:\Anaconda3
  D:\Anaconda3\Scripts
  D:\Anaconda3\Library\bin

第三步：查看活跃的环境

conda info --envs：输出中带有【*】号的的就是当前所处的环境

conda一些命令

conda list: 看这个环境下安装的包和版本
conda install numpy scikit-learn: 安装numpy sklearn包
conda env remove -n yourEnv: 删除你的环境
conda env list: 查看所有的环境

anaconda下载

比起官网，建议从清华开源镜像站下载相应版本

wget https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/Anaconda3-5.3.1-Linux-x86_64.sh
bash Anaconda3-5.3.1-Linux-x86_64.sh

清华镜像源配置

清华官方说明：Anaconda 镜像使用帮助，主要概括为向 .condarc填充以下内容：

channels:
  - defaults
show_channel_urls: true
channel_alias: https://mirrors.tuna.tsinghua.edu.cn/anaconda
default_channels:
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/pro
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2
custom_channels:
  conda-forge: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  msys2: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  bioconda: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  menpo: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  pytorch: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  simpleitk: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud

• linux: 直接vim ~/.condarc后添加；
• Windows: 无法直接创建名为 .condarc的文件，可先执行conda config --set show_channel_urls yes 生成该文件之后再添加。

远程：

Jupyter notebook远程访问服务器

• 参考: Jupyter notebook远程访问服务器
• 注意第一个人的评论：" 我的要修改c.NotebookApp.ip=‘0.0.0.0’才能用"
• 以及按照我的版本c.IPKernelApp.pylab = 'inline' 会报错
• sshkey连接的方式：
  

Pycharm远程连接服务器

• 配置远程环境。在tools --> deployment -->configuration 下进行。配置好了记得选择这个环境（如图中红色标注所示）
  
• 配置好之后，可以用建立文件映射/配置远程的解释器/，这里讲解十分清晰
• 启动 ctrl+s自动同步至远程环境。在tools --> deployment -->Options 中配置
  

tips:

• pycharm的快捷修复键 OPTION + ENTER
• 优化导入 option + control + O

其他注意：

pytorch 安装不成功

• 记得加上清华pytorch镜像：

  conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
  # for legacy win-64
  conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/peterjc123/
  

• 官网可以根据自己的系统等直接生成安装的命令，如果镜像后还是不成功将官方的安装命令conda install pytorch torchvision cudatoolkit=10.0 -c pytorch去掉-c pytorch，改为conda install pytorch torchvision cudatoolkit=10.0

• cuda版本查看cat /usr/local/cuda/version.txt

keras和tersorflow对应版本问题

• 两个版本如果不匹配可能出现：module ‘tensorflow.python.keras.backend’ has no attribute ‘get_graph’。可以从这里查看对应的版本

  pip uninstall keras # 卸载keras
  conda install keras=2.2.4 #安装对应版本的keras
  

torchnet安装

• 手动：https://blog.csdn.net/weixin_43264516/article/details/83187775
• 官方：pip install torchnet
• git： pip install git https://github.com/pytorch/tnt.git@master