1、Anaconda下载
方式一：官网下载方式二：清华镜像下载（推荐） 2、Anaconda安装3、Anaconda配置
3.1 配置环境变量3.2 配置国内镜像源 4、Anaconda使用5、Conda常用命令博主热门文章推荐：
Anaconda是一个开源的Python发行版本，其包含了conda、Python等180多个科学包及其依赖项
Anaconda + Jupyter 基本上已经是大部分机器学习/数据分析等开发者标配的开发环境，
进入正题：
1、Anaconda下载 方式一：官网下载
下载地址传送门：
官网首页：https://www.anaconda.com/官网下载页：https://www.anaconda.com/products/individual#Downloads
直接选择相应的installer即可
方式二：清华镜像下载（推荐）在官网下载比较慢，而且容易断，推荐用下面清华镜像方式：
下载地址：https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/
打开后，可以通过Date排序找到最新版本下载
这里分别实测了通过官网和镜像下载的速度，实测镜像大概快两倍左右，当然取决于不同网络环境，。。
2、Anaconda安装
下载后，就和正常软件安装一样，
这里用Windows版举例：
选择用户
这里可以先不用选Add sys path，只勾选Register。 推荐安装之后手动配置SysPath，避免配置导致后期使用上的问题
等待完成，下一步
最后两项都不需要选，点击Finish，完成安装
可以看到安装后，除了Anaconda，默认还带了Jupyter、Spyder等
3、Anaconda配置 3.1 配置环境变量
打开电脑高级系统配置：
点开系统环境变量
找到Path，然后点击Edit 或直接双击
添加安装目录及相应bin目录进去，如下图，完成配置
之后可以简单通过cmd输入conda 命令检查下安装配置是否成功：
同时可以看下python的版本已经是conda带的版本了：
继续在cmd里，通过输入下面命令配置为清华源：
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
4、Anaconda使用
打开Anaconda Navigator：
启动有点慢
或者打开prompt命令行方式使用conda cmd
Navigator启动完成
其中已经安装好的直接可以点击Launch，比如点开Jupyter：
接下来点击左列的Environment，新建开发用虚拟环境即可使用，
（虚拟环境可以理解为只是系统的一个Folder，你可以在其中作为你的开发目录进行任意安装包，并与其他的Python包隔离开，互不影响，这也是conda的精髓）
如果用conda cmd也和图形页面一样，用cmd就是通过conda create
conda create -n ObjectDetection python=3
创建过程如果报HTTP网络错误，可能是channel里多了一条default，去掉即可, 否则使用默认镜像源访问速度过慢，导致超时从而更新和下载失败
在用户根目录（C:Users用户名）下找到.condarc文件（本机conda的用户配置文件），打开并删除其中的default配置行即可
如果还不行，可以尝试把清华镜像源的https 改为http
最后创建完毕：
右键打开env的terminal，即可在该环境下进行开发了：
5、Conda常用命令
cmd详情可以参考官网Doc：
https://docs.conda.io/projects/conda/en/latest/commands.html
conda --version #查看conda版本，验证是否安装
conda update conda #更新至最新版本，也会更新其它相关包
conda update --all #更新所有包
conda update package_name #更新指定的包
conda create -n env_name package_name #创建名为env_name的新环境，并在该环境下安装名为package_name 的包，可以指定新环境的版本号，例如：conda create -n python2 python=python2.7 numpy
pandas，创建了python2环境，python版本为2.7，同时还安装了numpy pandas包source activate env_name #切换至env_name环境
source deactivate #退出环境
conda info -e #显示所有已经创建的环境
conda create --name new_env_name --clone old_env_name #复制old_env_name为new_env_name
conda remove --name env_name –all #删除环境
conda list #查看所有已经安装的包
conda install package_name #在当前环境中安装包
conda install --name env_name package_name #在指定环境中安装包
conda remove – name env_name package #删除指定环境中的包
conda remove package #删除当前环境中的包
conda create -n tensorflow_env tensorflow
conda activate tensorflow_env #conda 安装tensorflow的CPU版本
conda create -n tensorflow_gpuenv tensorflow-gpuconda activate tensorflow_gpuenv #conda安装tensorflow的GPU版本
博主热门文章推荐：
一篇读懂系列：
一篇读懂无线充电技术（附方案选型及原理分析）一篇读懂：Android/iOS手机如何通过音频接口（耳机孔）与外设通信一篇读懂：Android手机如何通过USB接口与外设通信（附原理分析及方案选型）
LoRa Mesh系列：
LoRa学习：LoRa关键参数（扩频因子，编码率，带宽）的设定及解释LoRa学习：信道占用检测原理（CAD）LoRa/FSK 无线频谱波形分析（频谱分析仪测试LoRa/FSK带宽、功率、频率误差等）
网络安全系列：
ATECC508A芯片开发笔记（一）：初识加密芯片SHA/HMAC/AES-CBC/CTR 算法执行效率及RAM消耗 测试结果常见加密/签名/哈希算法性能比较 (多平台 AES/DES, DH, ECDSA, RSA等)AES加解密效率测试（纯软件AES128/256）–以嵌入式Cortex-M0与M3 平台为例
嵌入式开发系列：
嵌入式学习中较好的练手项目和课题整理（附代码资料、学习视频和嵌入式学习规划）IAR调试使用技巧汇总：数据断点、CallStack、设置堆栈、查看栈使用和栈深度、Memory、Set Next Statement等Linux内核编译配置（Menuconfig）、制作文件系统 详细步骤Android底层调用C代码（JNI实现）树莓派到手第一步：上电启动、安装中文字体、虚拟键盘、开启SSH等Android/Linux设备有线&无线 双网共存（同时上内、外网）
AI / 机器学习系列：
AI: 机器学习必须懂的几个术语：Lable、Feature、Model…AI：卷积神经网络CNN 解决过拟合的方法 （Overcome Overfitting）AI: 什么是机器学习的数据清洗（Data Cleaning）AI: 机器学习的模型是如何训练的？（在试错中学习）数据可视化：TensorboardX安装及使用（安装测试+实例演示）