机器学习、环境配置（）关于conda install 和 pip install 的一些理解。

conda install 以及 pip install.

学习机器学习，难免要配置环境，安装各种各样的包。我们为了实现包和包之间不冲突，会采用虚拟环境来隔离不同的环境，从而解决包冲突的问题。anaconda关于虚拟环境的内容这里就不提了。这里主要说在虚拟环境配置好之后，我们安装包的过程中，关于conda install 和pip install的内容

理解conda和pip

我们既然在使用conda install 和 pip install. install我们都知道，那么conda 和 pip 是什么？

Conda :

Conda是一个包管理器，Conda的主要目标是为了实现在Conda的环境中安装各式各样的包，包涵盖但不仅限于Python。我们想要用Conda安装一些C语言的包是完全可以的。

pip

pip是一个python包管理器，pip的主要目标是为了实现在当前环境（可以是任何环境）中安装Python包。环境涵盖但不仅限于Conda里的虚拟环境。我们想要在其他的环境中安装Python包是完全可以的。

虚拟环境中的conda install 和 pip install

我们以conda 创建的虚拟环境举例。讨论一下conda 和 pip 的区别。

未处于虚拟环境

当我们没有处于虚拟环境(位于root环境)的时候，我们使用包是直接安装在Anaconda文件夹下的。假如我安装了tensorflow1.14，之后由于需要，我必须安装tensorflow2.0，如果我不创建虚拟环境。我的tensorflow1.14和tensorflow2.0都会安装在我Anaconda目录的Lib下，这个时候就会引起冲突。所以这也是我们尽量都是用虚拟环境的原因

处于虚拟环境

当我们处于虚拟环境中。我们使用conda install 和pip install,会将我们准备安装的包安装在当前的虚拟环境下了，我们在虚拟环境A中安装的包是不会影响到虚拟环境B的。

自己举例，安装tensorflow2.0(gpu)

注：以我自己举例，我要安装tensorflow2.0(gpu版本)，以下是步骤

1. 创建一个虚拟环境。
2. 检查自己的显卡驱动是否大于410(tf2.0版本要求显卡驱动版本)
3. 满足条件2，我在我的虚拟环境中使用 conda install tensorflow-gpu==2.0.0
4. 安装完成之后，在IDE(pycharm)中配置我们虚拟环境中的解释器，就可以直接使用了！
   (注：我并没有手动的配置CUDA和CUDNN，因为我是用conda install的时候conda会自动帮我们配置相关的包，但是pip install则需要我们自己手动配置cuda和cudnn,我理解可能是cuda和cudnn不属于python包的范畴了吧。)

总结

学习上的事情，能记下来形成文章的就还是要记一下，这些工作是偶尔做一次的。很容易忘掉！