简单介绍一下anaconda

anaconda简单来说就是个python环境管理的工具。有朋友可能会说，我需要啥包装啥包不就好了，为啥需要好多个python环境？

有些代码可能在某个python版本下work，但是在另一个python版本下就不work了。最直接的例子就是python2和python3，或者python3的不同小版本。每次升级几乎都会有些小改动，有可能就会导致不work，所以最好还是别人用什么环境你就用什么环境效率最高。
你有时候可能会需要用到同一个包的不同版本。比如tensorflow，虽然我没太用过，但是印象里tensorflow是一代版本一代神…曾经在github上扒过一个tf的代码，就因为版本不匹配报了很多奇奇怪怪的错误。当你需要某个包的不同版本，你就没办法在同一个环境里同时安装了。

简单介绍一下yml文件依赖

这个文件格式啥的，感兴趣的朋友可以自己查一下。这里主要介绍一下关于用yml文件配置conda环境的事情。
很多写的比较好的代码，都会把他们用的环境写的很详细。一种是用pip导出环境，导出成requirements.txt，另一种是用conda导出环境依赖，导出成xxxx.yml。这时候你可以根据这个requirements.txt/xxxxx.yml文件创建你的python环境。这样就可以一键run起来别人的代码了。

Anaconda基本操作及打包环境为 yml文件/txt文件

创建新的conda环境

conda create -n <your_env_name> python=<required_version>

根据yml文件来创建conda环境

conda env create -f xxxx.yml

根据txt文件来创建conda环境

# 这里要注意一下，必须要先激活你要安装依赖的conda环境再使用pip
# 在同一个环境下，使用pip install和conda install效果是一样的
# 只不过包可能有的版本上可能这个有那个没有，或者名字上有细小的区别。但是对于大多数情况开说不影响。
conda create -n <your_env_name> python=<required_version> 
pip install -r requirements.txt