Anaconda大法好，为什么要用Anaconda（附linux安装与用例）

　　距离写上一个博客已经过去很久了，注册的时候我还是个大三学生抱着windows系统的visual studio在OPENCV等等复杂组件下面瑟瑟发抖，一不小心就担心hpp找不到了，依赖库没了，或者安装了一个新的东西然后把整个系统玩崩了。（相信这是大多数用自己电脑windows开发者的心声吧）

　　研究生之后开始接触神经网络，自己的电脑肯定是不能用了实验室提供了服务器，在linux上面做开发，从一开始只会pip install tensorflow、到处找依赖包，到后面终于学会conda create走了很多弯路，走到现在也算是给自己一个记录吧，还有向看到博客的人传教一下Anaconda大法好.jpg

 

　　Anaconda到底是什么？

　　这个问题其实很多博客都已经说了，我自己也是拿出来用没有很认真的对他去做定义，对我来说就是一个python环境管理软件，他封装了建立python下各种各样的依赖包，当用户需要使用的时候就从anaconda的库中调取出来安装在指定的anaconda环境中，推荐配合清华的镜像源（https://mirror.tuna.tsinghua.edu.cn/help/anaconda/）一起使用。

　　Anaconda解决的问题：

1. pip带来的不同python包之间的冲突，conda在安装的时候会检测已有包的版本与需要安装的版本是否匹配、以及相关包更新后的版本与现有的其他包是否会造成冲突，而pip不会。
2. 使用Anaconda可以在一个系统上建立多个环境，而pip只能在原生系统上修改。如果我们两份代码一个要求pytorch=0.4.0，另一个要求pytorch=1.0.1，那么单纯使用pip只能选择删去现有的pytorch去安装另一个，或者重新开一个服务器。但使用Anaconda我全都要.jpg，使用source activate 【环境名】的命令即可在不同环境之间轻松切换。
3. 根据python版本的不同，pip的更新可能会引入问题，而conda命令比pip更加稳定（这也是我喜欢conda的主要原因之一。在python2.7下使用pip，我不仅一次遇见过提示我更新pip，更新了之后因为更新导致pip文件中__main__等参数需要更新而不能正常使用的问题，这时候需要回退pip版本或者修改pip对应python文件中的参数。当一个系统中python2.7和python3.6一起使用的时候那个感觉真是更加酸爽= =

　　总的来说，一个好的网络或者是项目开发需要有稳定可管理的环境支持，而Anaconda正是提供了这样一个功能。

　　而且安装还很方便！那为什么不用天下无敌的Anaconda呢！

 

　　Anaconda的安装（linux）

　　Anaconda在linux下面的安装非常简单，基本上下载下来sh一下改改边境变量ok fine弄好了，这里只总结关键步骤。

　　1.下载Anaconda_xxxxxx.sh，我使用的是Anaconda3。可以直接从清华镜像下载，不过版本更新比起官网可能稍有延迟。下载链接：https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/

　　

　　搜索最新日期的下载即可。

　　2.使用命令安装Anaconda，反正yes下去就对了，在过程中他会问你Anaconda home安装在哪里，一般默认是在/home/comptername/Anaconda3，如果需要自己更改的话记住更改后的路径。

sh Anaconda3-2019.07-Linux-x86_64.sh

　　3.然后Anaconda已经安装好了，但是使用conda命令的时候会告诉你找不到命令，这是因为还没有写入到环境变量中。

　　更改/etc/profile文件（使用vi vim gedit还是 subl自己高兴），在里面加入：

#Anaconda
export PATH=$PATH:/home/computername/anaconda3/bin

　　4.Anaconda可以正式使用了，如果还存在问题看看是不是步骤3路径没写对。

 

　　使用Anaconda配置Pytorch_yolo3环境

　　代码github：https://github.com/azikk/PyTorch-YOLOv3

　　1.生成新的环境，取名叫做yolo3，使用python 3.6版本，并进入

conda create -n yolo3 python=3.6
source activate yolo3

　　2.安装pytorch，这里要求pytorch版本是1.0以上，我的电脑cuda版本是9.0。使用1.0.1是因为清华源中没找到更高版本的，如果制定更高版本就会去官方源下载了，太麻烦，就直接使用1.0.1

conda install pytorch=1.0.1 torchvision cudatoolkit=9.0

　　3.安装requirement.txt中写出的其他依赖，其中tqdm的包在官方源和清华源中都没有，要使用-c conda-forge从该仓库中下载。

conda install -c conda-forge tqdm

　　4.安装所有依赖后，就可以使用代码了。