文章目錄
-
- 1、Anaconda vs Miniconda:
-
- 1.1、選擇Anaconda的原因:
- 1.2、選擇Miniconda的原因：
- 2、Conda介紹
-
- 2.1、包和環境管理工具介紹：
-
- 2.1.1、安裝包的管理工具
- 2.1.2、環境的管理工具
- 2.2、需要Conda安裝包和環境管理工具的原因
- 2.3 安裝conda
- 3、Miniconda安裝
Anaconda是一個完整的開源的有6百萬使用者的科學計算包。想要學習R或python來快速進入data science領域，搭建常用科學計算環境首選anaconda。Anaconda支援Linux,Macos和Windows,有1000多個資料處理包可供使用，并且提供了Conda的安裝包及環境管理工具。有兩種版本Anaconda和Miniconda都支援Conda。選則那個按個人需求來選。
1、Anaconda vs Miniconda:
如上圖所示：兩者都具有Conda這個包和環境管理工具以及python,差别就是Miniconda隻有一些基礎的包，而anaconda則還有許多高品質的包，這些包同樣可以通過使用conda來為Miniconda安裝。是以有以下總結：
1.1、選擇Anaconda的原因:
- 使用python 或 conda的新手
- 喜歡一次性把150多個高品質的包全部安裝，建一個基本萬能的環境
- 有足夠大的硬碟空間，不再意安裝占用空間
- 不願意一個一個包的安裝
1.2、選擇Miniconda的原因：
- 願意自己按需求來安裝
- 硬碟空間有限，省一點算一點
- 想快點安裝完，不用大而全，後期可以自己試
綜合以上，我個人選擇miniconda。
2、Conda介紹
Conda官網上可以看到，它是一個開源的 ”package and environment management system that run on Windows,Mac OS and linux“：
- Conda能快速安裝、運作、更新軟體包以及它們的依賴包
- Conda能建立、儲存、加載、切換各個項目特定的開發環境
-
雖然Conda是為python而建立的，但是Conda可以為任何其它語言比如R,Ruby,Lua,Scala,Java,JavaScript,C,C++,FORTRAN等進行打包及分發。
Conda作為一個安裝包和環境管理工具，可能幫助搜尋并安裝你所需要的包。如果要換python的版本，隻需要有conda切換到另一個合适的環境。
2.1、包和環境管理工具介紹：
安裝軟體比較困難耗時，特别是科學計算的包。常用系統自帶安裝工具有以下不足：
- 對于特定的研究項目，比較難指定任意自己需要的安裝包及版本
- 不能同時在同一個環境中安裝不同版本的同一個軟體
-
同一個軟體，對某一個項目要更新，但更新後另外一個項目不能使用
一個環境，不同項目，需求不同，很難普适。
是以最好的方法就是為每個項目建立各自獨立的開發環境
2.1.1、安裝包的管理工具
好的安裝包管理可以簡化安裝過程：
- 自動識别軟體版本的相容性，并安裝相關依賴項
-
友善處理軟體更新
對于linux系統常用的是 ubuntu的apt,CentOS的yum;蘋果系統的home brew ;windows沒有标準的安裝包管理工具。
在科學運算中，對于腳本語言比如python,R,等，有好多第三方包需要管理;pip是python包的預設管理工具;install.packages是R的預設管理包。
2.1.2、環境的管理工具
環境管理工具可以解決許多常見工程師遇到的問題：
- 你的工程需要不同版本的python（R)
- 你的工程中的某些應用未來将不受支援，不能正常工作
- 聯合工作，代碼共有時，可以在你的機器上工作，但不能在你的夥伴的電腦上工作
環境管理能使用設定特定的開發環境，配套的軟體本及相關的依賴包。
- 環境管理工具可以為不同項目建立不同的環境及相關依賴
- 在單個項目中可以找到所有需要軟體包并且可複現
- 使使用者在沒有管理者權限的機器上安裝軟體
2.2、需要Conda安裝包和環境管理工具的原因
在衆多的軟體包管理工具中，conda 是少有的适用于資料科學研究的工具，它有以下特征：
- conda提供預編譯安裝包，不需要處理編譯器的問題。比如Tensorflow,簡單一條指令就可以安裝，不用從源碼編譯。
- conda是跨平台的，支援linux,mac os,windows;同時支援不同的件平台比如x86,power8或power9;支援導出環境配置參數，提供給别人，來實作同樣的配置。
-
conda支援類似pip的包管理功能
Conda 還提供了資料科學常用的包和工具，比如R,numpy,scipy,matplotlib,keras,pandas,經過優化的tensorflow;還有硬體指定的軟體，比如 intel 的MKL, NVIDIA的CUDA。
Anaconda提供資料表明，用conda安裝的Tensorflow比pip安裝的快8倍。
使用conda安裝tensorflow的方法參見部落格。
2.3 安裝conda
檢視conda
which conda
已經安裝conda 就會找到安裝的絕對路徑，沒有安裝建議安裝miniconda，包含了conda和少量的python包，适合自己按需安裝自己項目所需的環境。
如果确實想要用完整的安裝包：
conda create --name my-anaconda-env anaconda=5.3
所有要安裝的包都會列出來，有好多。
確定conda是最新版本：
#更新
conda update -y conda
#驗證并檢視版本号
conda info
#直接檢視版本
conda --version
3、Miniconda安裝
官網選擇合适版本進行下載下傳，複制連結位址：
bash Miniconda3-latest-Linux-x86_64.sh
回車，接接空格，輸入yes,接受條例，然後會出現：
有三個選項，通常直接回車完事，以後所有虛拟環境都安裝在預設環境，但如是預設環境存儲空間有限，可以自己指定路徑。
然後一路回車，直到：
輸入yes.
關閉shell,安裝生效。
生效後，輸入：
否則，每次登陸，anaconda base都是激活的狀态。
安裝完成。