在实际中，更为流行的是用Conda来管理Python环境。今天这篇文章就为大家介绍这方面的相关内容。
Conda环境
Conda简介
Conda是目前为止，最流行的Python软件包与管理环境。Conda分为 miniconda 与 anaconda两种。前者从名字上就能猜出是精简版，后者预装了很多常用的功能，但比较臃肿。实际工程中，一般都使用 miniconda，按需安装软件包，本文的下面篇幅也以 miniconda 为例进行说明。
Conda安装
首先利用wget下载安装脚本文件：
wget https://repo.continuum.io/miniconda/Miniconda3-latest-linux-x86_64.sh
如果速度较慢，可以换用axel或aria2c下载
利用chmod命令修改sh文件为可执行文件，然后运行安装脚本：
chmod 755 Miniconda3-latest-Linux-x86_64.sh bash ./Miniconda3-latest-Linux-x86_64.sh
在出现的提示界面中，根据提示选择yes或no。一般来说，我们保持默认即可，但需要留意下最后一步会自动在.bashrc文件添加conda的PATH路径。如果conda的环境存在与你日常使用的程序有冲突的命令，就有可能会出现问题。
当然，还有一种方式是在添加PATH路径时选择no，然后在每次需要conda的时候手动找到conda下的active命令激活下。这种方式比较灵活，如果不嫌麻烦建议使用这种方式。
注意不要把激活conda与激活虚拟环境搞混。
Conda常用命令
在conda环境中，常用的命令格式为：
conda [命令 [参数]]
包管理
与python -m pip list类似，conda可以列出当前环境下的所有包：
conda list
版本与升级
conda有一套特别的机制，用于管理和维护依赖库之间的关系。在不同版本的conda中，我们可以直接使用的Python与依赖库的版本都不同，为了确定当前使用的conda版本，可以运行以下命令：
conda --version
有时，我们想用的某个库在conda中有问题，或者默认模块安装的版本比较旧，可以先尝试升级解决：
conda update conda
环境管理
conda环境中的虚拟环境比起原生Python更为强大，可以指定Python的版本，并自动安装相关的C++依赖库（windows下自动下载相关的c++ runtime）。
建立虚拟环境命令：
conda create -n env_demo
如果要指定python版本，同时指定虚拟环境生成的路径，可以这样：
conda create python=3.6 -p /tmp/test
这样，Conda就为你生成了一个在/tmp/下叫test的虚拟环境，并且环境里的python版本是3.6。
conda create默认并不会把基础环境的依赖复制给新建的虚拟环境。如果要实现类似的依赖复制，需要加参数--clone，例如conda create -n test3 --clone base
我们也看一下这个路径下的内容：
ls /tmp/test bin conda-meta include lib share ssl
在bin目录中，就存在python等常用的可执行命令：
2to3 idle3 pydoc3 python3.6-config pyvenv-3.6 wish8.5 2to3-3.6 idle3.6 pydoc3.6 python3.6m sqlite3 xz c_rehash openssl python python3.6m-config tclsh8.5 easy_install pip python3 python3-config unxz easy_install-3.6 pydoc python3.6 pyvenv wheel
因为这里是虚拟环境的bin目录，所以没有conda、activate等命令。这些命令都在当前conda默认的bin目录中。
激活一个虚拟环境，就需要用bin下的activate：
conda activate /tmp/test
其中，/tmp/test是虚拟环境的路径，可以从conda list中查看。
激活后，可以用which python确认是否成功。如果成功，当前python应该指向的是/tmp/test/bin/python
激活一个Conda的虚拟环境后，安装依赖主要用以下命令：
conda install xxx
这条命令主要从默认的频道中去寻找xxx软件包。比如，我们可以用conda install pandas来安装pandas软件包。要注意，Conda里有频道的概念，类似电视机买回来一般都有个默认频道一样，默认的Conda有一个defaults的频道。如果我们需要更多的下载源，就需要和加入Ubuntu软件源类似，加入Conda频道：
conda config --add channels conda-forge
如果大家还记得上次文章，里面给大家介绍了Python的pip安装时怎么配置镜像地址来加速国内下载速度。同样的操作在Conda里面，则是通过配置频道来实现。比如，我们添加清华的Conda镜像：
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/
配置完成后，可以通过下面命令来确认是否配置成功：
conda config --show
当然，更直接的是直接下载一个依赖库，看实际下载速度怎么样。另外，也可以在conda install的同时，显式的指定频道：
conda install --prefix=/tmp/miniconda3/pyenv/py36 --channel https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/ pytorch torchvision cuda91 -c pytorch
Conda不仅仅可以用conda install安装软件，同时也可以继续用pip，就和普通Python环境下操作没太有什么区别：
python -m pip install xxx
并不是所有的软件都可以用pip安装。最佳实践是只在conda找不到包时，才用pip安装。不要使用user参数，避免权限问题。
直接运行conda deactivate，然后可以通过which python来确认。
Conda环境导出与恢复
Conda支持直接导出环境，命令如下：
conda env export > env.yml
这里，推荐在熟悉的情况下，去掉二级依赖库(依赖的依赖)。一方面减少文件内容，第二有可能二级依赖在后面会被取消。
环境恢复使用命令：
conda env create -n revtest -f=/tmp/env.yml
这里比较关键是导出的yaml文件，通过编译器查看可知，其是一个标准的yaml文件。里面主要包括：
name: 环境名字 channels： - 频道urls …… dependencies： - 软件名=版本号=编译环境 prefix：环境路径
私信小编01 领取完整项目！上面的环境依赖都是conda自己就可以安装，如果所需要的依赖正好没有conda资源怎么办？其实，conda早就可以直接在环境里使用pip依赖：
name: hyperparam_example channels: - defaults dependencies: - python=3.6 - numpy=1.14.3 - pandas=0.22.0 - scikit-learn=0.19.1 - matplotlib=2.2.2 - tensorflow-mkl==1.13.1 - keras==2.2.2 - pip: - mlflow>=1.0 - Gpy==1.9.2 - GpyOpt==1.2.5 - pyDOE==0.3.8 - hyperopt==0.1
这个环境文件参考自mlflow项目（https://github.com/mlflow/mlflow/blob/master/examples/hyperparam/conda.yaml），从这里我们就可以看到两点：
那么最后一个问题，conda和pip到底有什么不同？
