安装和配置 Anaconda

    Machine Learning

Anaconda 简介

Anaconda 是一个软件分发平台（distribution of software），自带了 conda 这个管理环境和软件包的工具，是数据分析行业里常用的工具之一（管理各种工具的工具）。

不过 Anaconda 这个平台上的软件都是专门针对数据分析的，通常会结合 Python 更加一般性的 packages 管理工具 pip 来使用，以便能接触到（access）更多的软件和工具。

Anaconda 的作用：

  1. 每个项目（Project）有其对应的运行环境，人们用其中的 conda 隔离开不同项目的环境，以免相互冲突；
  2. 方便人们下载各种数据分析所需要的库（Libraries）和软件包（Packages），类似软件商店；

安装 Anaconda - Windows

Windows 下的 Anaconda 只需去官网下载对应的软件包 ，根据提示安装即可。安装完成打开后是可视化的操作界面，「新建环境」和「安装软件包函数库」都可以使用可视化界面操作完成，唯一要注意的是网络方面如果使用代理上网，或者系统防火墙防护级别过高等，会导致 Anaconda 打开之后卡死在 loading application 这一状态。这时只需要取消代理，或者关掉防火墙即可解决，参见这里。

安装 Anaconda - macOS

到 Anaconda 官网 下载 macOS 系统对应的软件包（一般选择 Python 3.x version 的），然后根据提示安装。

安装好之后，打开终端 Terminal 查看

## 查看 conda 的版本
$ conda --version
conda 4.5.4

## 查看 python 的版本 - 安装 Anaconda 不会影响 Mac 电脑里之前安装的 Python ，不过系统默认使用的 Python 会变成 Anaconda 自带的那个版本
$ python --version
Python 3.6.4 :: Anaconda, Inc.

PS:
虽然 Anaconda 的安装默认会设置 Bash Shell 的环境变量，但若系统仍提示找不到 conda 命令（command not found），则要使用命令 echo $PATH 看路径 /anaconda3/bin/ 是否在环境变量 $PATH 里，不在就要自行添加，这样才能顺利识别相关命令

若终端用的是 Fish Shell ，添加 Anaconda 路径到环境变量的方式如下：

## 以下命令会将 Anaconda 的路径 /anaconda3/bin/ 添加到 $fish_user_paths ，进而添加到 $PATH 这个环境变量里
$ set -U fish_user_paths /anaconda3/bin/ $fish_user_paths

## 添加路径之后就能正确识别 conda 这个命令了
$ conda --version
conda 4.5.4

## 如果 Anaconda 和 Homebrew 的软件冲突（比如 Curl），可注销 $fish_user_paths 中的 /anaconda3/bin/ 路径来暂时隔离开 Anaconda
## 变量 $fish_user_paths 是一个 list ，第一个元素是 fish_user_paths[1]
$ echo $fish_user_paths
/anaconda3/bin/
$ set --erase --universal fish_user_paths[1]

此外还需参考 /anaconda3/etc/fish/conf.d/conda.fish 文件的注释设置 ~/.config/fish/config.fish 文件，才能够在 Fish Shell 里使用 conda activate [环境名] 激活或切换进入指定环境，使用 conda deactivate 来退出当前环境，进入 base 环境（即初始的基本环境）。
推荐参考 Github 上的这个 conda.fish 来调整 Anaconda 自带的 conda.fish 文件，比如设置环境名（env name）显示在左侧。

PS:
Bash Shell 用的是 source activate [环境名] 进入环境，见下文。在 Fish Shell 中，source 这个关键词被占用了，所以只能换别的，默认设置是换成 conda

设置

为了保证下载速度，可考虑设置的是 Anaconda 的软件下载源，即编辑 ~/.condarc 文件，添加相应的镜像地址，否则每次下载都会访问默认的国外网站下载软件，速度可能会因此很慢。不过如果设置了国内的镜像地址，软件版本可能会滞后于世界。所以设置与否，看个人情况而定。

## 使用 vi 编辑 .condarc 文件 - 你也可以使用其他方式编辑
$ vi ~/.condarc

## 编辑后的 .condarc 文件内容如下 - 这里添加的是清华大学的软件镜像地址，通常会比世界滞后两个代
$ cat ~/.condarc
channels:
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
  - defaults
show_channel_urls: true
ssl_verify: true

常用指令

一开始我们所处的是 conda 的默认环境（default conda environment），建议经常升级该默认环境，可以避免一些 Bug 和错误

## 升级 conda 本身
$ conda update conda

## 升级 conda 旗下所有可升级的软件（包括 conda 本身）- 虽然此命令包括 conda 本身的升级，但建议先运行上一命令单独升级 conda 之后再运行这个升级全部，因为有用户直接升级全部软件时会报错 
$ conda update --all
$ conda upgrade --all  # conda upgrade is Alias for conda update

接着是 Anaconda 基本的工作流程

## 新建一个环境，指定该环境中你希望安装的 Packages ，以便之后在此环境中开发某项目
$ conda create -n [环境名称] [Package 1] [Package 2] [Package 3] ...

## Examples - 一个 hyphen 代表缩写（如例子里的 -n），两个 hyphens 代表全称（如例子里的 --name）
$ conda create -n my_env numpy
$ conda create --name py3 python=3.6 numpy pandas    ## 还可以指定所用 Python 或者 Package 的版本

使用 activate 和 deactivate 来进入和切换不同的环境。特别地，在 Windows 系统下，activate 一个新环境之前，最好先 deactivate 当前环境，参见这里

## 进入（或者说切换到）某个环境里 - 注意 fish shell 参照上面的官方设置后，命令是 conda activate（没有 source）
$ source activate [环境名称]

## Example - 切换后，提示符钱的括号里的内容会显示当前所在的环境名称
$ source activate tea_facts
(tea_facts) $

## 离开（或者说注销）某个环境里 - 注意 fish shell 里是 conda deactivate（没有 source）
(tea_facts) $ source deactivate
$

## 离开（或者说注销）tea_facts 环境后，进入 py3 环境
$ source activate py3
(py3) $

接下来就是在环境中安装各种软件库。此过程中， Conda 会自动安装对应的依赖项。例如 pandas 依赖于 numpy（需要有 numpy 才能使用），则安装 pandas 时会同时安装 numpy（如果它之前没被安装的话），即 conda install pandas 和 conda install numpy pandas 的效果一样

## 查看当前所处环境 py3 中安装的所有软件 - 会输出一个目录列表用以查看
(py3) $ conda list

## 查看是否安装了名字含有 "notebook" 的 pakage
(py3) $ conda list | grep -ir "notebook"
(standard input):notebook         5.5.0           py3_0

## 在当前环境 py3 里安装所需的软件包（Package）- 此安装命令是幂等的，即多次运行相同的安装命令安装相同的 Package，效果和运行一次一样  
(py3) $ conda install numpy
(py3) $ conda install jupyter notebook  # 注意 jupyter notebook 是两个软件包，而不是一个

## 也可以同时安装多个软件包（Packages）- 下面安装的是常用的深度学习软件包组合
(py3) $ conda install numpy pandas jupyter notebook matplotlib pillow tqdm scikit-learn 

## 还可以指定所装软件包的版本
(py3) $ conda install numpy=1.10

## 卸载软件
(py3) $ conda remove numpy

## 更新软件
(py3) $ conda update numpy

## 搜索名字包含 beautifulsoup 字符串的软件
(py3) $ conda search '*beautifulsoup*'

PS:
一些库或者框架除了可以使用 conda search 之外，还可以去 conda-forge 查看安装方法，比如 TensorFlow 的安装；

软件重复问题

有时候，我们会遇到开发环境中有两个不同版本的软件库：Conda showing two versions of library

## 当前环境安装了两个不同版本的 tensorflow ，一个来源是 pip ，另一个则是 conda-forge
(py3) $ conda list | grep -ir "tensorflow"
(standard input):tensorflow       1.0.0          <pip>
(standard input):tensorflow       1.10.0        py35_0    conda-forge

为了避免问题，我们希望只留其中一个，此处是留使用 conda 安装的那个：

## 这里要按顺序移除，然后再重装，如果不按顺序，问题会得不到解决
## 第一步，先移除 conda 的 tensorflow
(py3) $ conda remove tensorflow

## 第二步，移除 pip 的 tensorflow
(py3) $ pip uninstall tensorflow

## 第三步，重新安装 conda 的 tensorflow
(py3) $ conda install -c conda-forge tensorflow

## 查看确认
(py3) $ conda list | grep -ir "tensorflow"
(standard input):tensorflow       1.10.0        py35_0    conda-forge

导出环境配置

将配置清单保存成 .yml 文件分享给他人能让对方快速搭建出一模一样的运行环境，以便测试和运行我们的代码

## 导出当前环境的配置清单，并储存到当前目录下的 environment.yml 文件里
(py3) $ conda env export > environment.yml

## 导入 environment.yml 文件，读取里面的配置信息，并依照该配置创建一个环境
## 新建的环境名由 .yml 配置文件中的第一行设定（比如文件第一行是 name: aind-dl，则新环境名为 aind-dl）
$ conda env create -f environment.yml

## 查看所有环境 - 输出一个列表形式的结果，默认环境的名字叫做 root
$ conda env list

## 删除一个环境
$ conda env remove -n env_name

当我们将代码分享在 Github 上的时候，要同时附上 Anaconda 的环境的配置清单文件 *.yml ，甚至要再加上一个 pip 的配置文件 requirements.txt （用 pip freeze 命令输出该配置文件），以便他人能快速配置出相应的环境，运行我们的代码。

有关 Anaconda 的更多操作，还可以参考：

打赏