conda创建的环境，打包下载，然后在其他设备离线安装环境，python部署时需要依赖，通过conda一步解决依赖迁移问题

首先，我们通过conda创建虚拟环境，搭建深度学习环境，但是开发好以后，在一些没有实时性要求的场景，我们不需要使用c++部署，通过python端部署即可，同时有的大的框架，python端部署效率已经很高了，因此可以直接使用python进行部署，那么如果我们部署到不同的服务器上，安装依赖需要联网，但是有时环境无法联网，因此需要离线安装，同时有的依赖很多，很繁琐，如何解决这些问题呢？

其实conda已经把这些都做好了，只需要把conda创建的环境打包即可，然后解压到新的环境里即可直接使用了，具体步骤如下：

先安装工具conda install -c conda-forge conda-pack

1. 创建conda的开发环境： conda create -n env_name python=版本号

      例如我的： conda create -n ocr python=3.7

2.在这个环境的基础上开发深度学习模型，就需要安装大量的依赖，不用担心，安装即可，然后训练模型，开发即可，当你开发完成以后可以部署了，首先应该解决的就是环境依赖问题

3.在开发以后，我们可以直接对开发环境进行打包：conda pack -n env_name  （如果报错使用conda pack -n env_name  --ignore-editable-packages ）

这里解释一下，如果存在本地安装的环境，或者依赖其他编译的环境 则选择忽略，如果不添加--ignore-editable-packages ，会报错，通常这种情况选择忽略在新的的环境中自己本地安装即可

     例如我的：conda pack -n ocr -o ocr.tar.gz

 4.打包好后会在本文件夹下生成env_name.tar.gz,例如上面我的就是ocr.tar.gz，这里基本上就打包好了，然后我们测试一下。

5. 重新创建一个文件夹，为了避免再次调用conda的其他环境，我们使用conda deactivate 进行关闭conda的base环境，然后把上面的压缩包复制到新的文件夹解压

 6.使用 mkdir -p name_env创建目录，使用tar -xzf ocr.tar.gz -C ocr_env/  进行解压，进入bin目录，如上图，然后执行：source ./activate 

7.此时已经激活了环境了，就可以直接使用了：

8.把这个压缩包，解压到其他的linux平台，按照步骤解压激活即可直接使用了