Anaconda 的镜像默认情况下都是连接到过外网站，但是国外的下载镜像的速度非常慢，因此我们可以添加一些国内的下载镜像
如果你使用conda install pytorch torchvision cudatoolkit=9.0 -c pytorch来安装pytorch，并且添加了清华镜像源，但还是由于网络原因下载失败，你只需要把-c pytorch去掉：
在地球科学领域也得到了广泛应用，尤其是地球科学数据处理和可视化方面，比如地球科学数据分析和可视化库Iris，应用于数值模式数据处理的wrf-python，气候数据处理库CDAT以及地球科学可视化库NCL的Python版PyNGL。
channels是conda下载包的镜像网站，通过如下命令可以查看已有的channels
Anaconda最大的优势我认为在于可以做环境管理，可以通过创建不同的环境，安装不同的包。
首先我们先从Anaconda官网（https://anaconda.org/）上下载对应自己系统版本的Anaconda。因为我的电脑是win10,64位的， 我下载的是：Anaconda3-5.1
conda可以理解为一个工具，也是一个可执行命令，其核心功能是包管理和环境管理。包管理与pip的使用方法类似，环境管理则是允许用户方便滴安装不同版本的python环境并在不同环境之间快速地切换。conda将几乎所有的工具、第三方包都当作package进行管理，甚至包括python 和conda自身。Anaconda是一个打包的集合，里面预装好了conda、某个版本的python、各种packages等。
经过查询tesserocr安装环境要求，需要leptonica-1.71版本以上文件；
在国内连接 Anaconda 官方源速度非常慢。用官方源去安装、升级包，速度估计会抓狂，说不定还总是失败。
最近粉丝反馈清华的conda镜像总是有莫名其妙的错误，可能是因为在我们大力宣传下导致绝大部分小伙伴优先选择它造成了网络拥堵吧。其实镜像的出现，就是为了缓解单一站点服务器的网络压力，多点分发，也不能说逮着一只羊使劲的薅羊毛。我们也需要适当的切换其它镜像，这里我分享两个我测试还可以的镜像哈。
2、替换anaconda的下载源为国内镜像源的方法 方法一：手动修改anaconda下载源的配置文件" /home/你的用户名/.condarc"为以上几个下载源之一即可。 在安装Anaconda时选定的用户目录下(C盘中的‘user’ or‘用户’ 文件夹下寻找)，找到.condarc文件，重命名为.condarc0(就是备份一下)，然后新建一个txt文件，文件名包括后缀更改为.condarc，用记事本打开，输入上面源。打开Anaconda Prompt
PackagesNotFoundError: The following packages are not available from current channels: ******
如果打算安装Anaconda，需要卸载之前安装的Python（如果不想卸载，参考博客，不过这个实在有点长，我没看完都），因为Anaconda是一个集成环境，所以是自带Python的，下载Anaconda，这个是官网： 如图：
最近学习python安装了Anaconda，但是去年安装的现在才开始学习（鸽子咕咕咕，这导致版本都已经比较老。 但是使用 Anaconda 升级包的时候，发现在图形界面升级时需要鼠标多次点击，同时默认源访问速度很慢（校园网环境基本没法用。
https://www.anaconda.com/download/#download
直接查看这条链接即可：win-配置tf-GPU 本人用的conda和tensorflow-GPU版本下载：提取码：98ot 环境：win10+anaconda 注：anaconda安装步骤略，以下步骤默认anaconda已安装。
本文介绍了Anaconda这款Python发行版的安装与使用。Anaconda是一个包含大量Python科学计算包和工具的发行版，适用于数据科学、机器学习和人工智能等领域。文章首先介绍了Anaconda的基本信息，然后详细说明了如何下载和安装Anaconda，最后演示了如何使用Anaconda的包管理器、交互式环境和工具来创建和运行Python脚本。
最近(2019-05-08 )很多人反映conda镜像挂掉的问题，所以我有必要给粉丝测试一下：
原文出处：https://www.cnblogs.com/yirufeng/p/12242290.html
Anaconda 是一个包含数据科学常用包的发行版本。它基于 conda(一个包和环境管理器) 衍生而来。应用程序 conda 是包和环境管理器：
Anaconda指的是一个开源的Python发行版本，其包含了conda、Python等180多个科学包及其依赖项。当你尝试pip install xxx时出现各种意外和依赖问题，那么conda就是一方良药。可以让你轻松的安装各种库并处理各种依赖问题。
之前听别人说过这个软件。但是自己一般用的pycharm。pycharm是一款很好的编辑器，但是一个缺点就是可能电脑不是很高的会出现卡顿。但是编辑代码是十分方便的。
官网下载太慢可选用镜像下载，官网下载：Anaconda | Individual Editionwww.anaconda.com/products/individual
下载可以去官网上下载，直接搜索找与你电脑对应的版本就好，国内清华镜像网站是：https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/
Conda 是一个包管理器，类似于手机上的 AppStore 或电脑上的软件管家，可以方便地安装各种软件，并且能够为每一个软件创建自己的运行环境，互不干扰。
1.在一台能够访问互联网资源且具有与安装目标位置相同配置的环境下将所有需要安装的pkgs下载到本地，之后copy到安装目标位置并离线安装。2.通过一台能够访问互联网资源的服务器或PC转发安装目标位置的互联网请求，编者仅测试成功pip安装（pip可以使用http请求），由于网上的anaconda镜像大都是https请求，转发该类请求相对比较麻烦，我尚未测试成功，后续可以继续测试。
镜像网址：https://mirror.tuna.tsinghua.edu.cn/help/anaconda/
Python是一种面向对象的解释型计算机程序设计语言，其使用，具有跨平台的特点，可以在Linux、macOS以及Windows系统中搭建环境并使用，其编写的代码在不同平台上运行时，几乎不需要做较大的改动，使用者无不受益于它的便捷性。
Anaconda介绍CentOS 7安装Anaconda3conda命令使用介绍帮助目录检查conda版本升级当前版本的conda环境管理列出所有的环境安装一个不同版本的python新环境复制一个环境创建一个新环境导出环境，Anaconda支持导入导出以方便迁移导入环境信息，即根据配置文件创建一个新环境：移除环境激活进入环境，请使用停用一个活动环境，请使用包管理查看已安装包向指定环境中安装包从Anaconda.org安装一个包通过pip命令来安装包conda配置添加镜像源查看当前镜像源删除镜像源设置安装时显示源url，不想就改为no查看源全部设置，包括链接、show_channel_urls 值:查看conda配置文件其他注意事项安装conda后命令行前出现的base，取消每次启动自动激活conda的基础环境
Docker 是一个开源的应用容器引擎，让开发者可以打包他们的应用以及依赖包到一个可移植的镜像中，然后发布到任何流行的 Linux或Windows 机器上，也可以实现虚拟化。近年来，Docker方式越来越受欢迎，本文针对Docker ubuntu的镜像操作进行了详细阐述：包括两种方式。
在pycharm新建conda环境的前提是安装并配置好anaconda 结果建的时候报错： PackagesNotFoundError: The following packages are not available from current channels:
Anaconda指的是一个开源的Python发行版本，其包含了conda、Python等180多个科学包及其依赖项。 [1] 因为包含了大量的科学包，Anaconda 的下载文件比较大（约 531 MB），如果只需要某些包，或者需要节省带宽或存储空间，也可以使用Miniconda这个较小的发行版（仅包含conda和 Python）。
PyTorch是一个基于Torch的Python开源机器学习库，用于自然语言处理等应用程序它主要由Facebook的人工智能小组开发，不仅能够实现强大的GPU加速，同时还支持动态神经网络，这一点是现在很多主流框架如TensorFlow都不支持的。PyTorch提供了两个高级功能：
和苹果的app store, 手机的软件管家一样，linux 也提供了conda（miniconda）这样一个软件中心。
很多教程在介绍Python开发环境搭建的时候，总是要先安装Python、配置环境变量，然后再安装Python开发集成环境。看上去简单的几步工作，对于初学者来说着实不易。
pytorch是基于torch和Python语言的机器学习库。anaconda是环境与包的管理工具，pytorch的下载需要借助anaconda来完成。另外，安装的anaconda自带Python，因此没安装过Python的小伙伴也不必要再安装Python了。 最后anaconda为我们提供了运行环境，为了编写程序的方便，我们还需要一款编辑器，这里推荐使用pycharm。从安装anaconda到在pycharm中写代码，可分为三步进行：
今天学习的是linux环境下的软件安装，因为花花老师的教程特别棒，所以操作上基本没出现特别难的地方。
由于许多包的存放服务器在国外，国内安装比较慢，因此本文总结了常见的包（例如Python包，Linux不同发行版的包）在国内的开源镜像，加速你的下载，提高安装体验。下面总结了PyPi，Anacoda，NPM， Docker，RubyGems和Linux的国内镜像，并且在GitHub上放置了本文提到的所有的包的配置文件，直接下载使用，具体使用说明访问这里。
“ Anaconda是世界上最流行的数据分析平台（它们官网自己吹的nb），如果把镜像改为国内的可以节省很多时间。”
记得前不久刚陷入Tensorflow2.0的安装困境，这一次又被PyTorch 搞哭辽。
wget https://mirrors.tuna.tsinghua.edu.cn/anaconda/miniconda/Miniconda3-latest-Linux-x86_64.sh
这里面是各种平台，正确的链接应该再加上对应的平台。例如mac系统64位的配置是这样：
conda可以理解为一个工具，也是一个可执行命令，其核心功能是包管理和环境管理。包管理与pip的使用方法类似，环境管理则是允许用户方便滴安装不同版本的python环境并在不同环境之间快速地切换。
Google于去年早些时候发布了TensorFlow 2.0，这是对现有TensorFlow 1.0的重大飞跃。
TensorFlow是Google推出的深度学习框架，也是使用最广泛的深度学习框架。目前最新的TensorFlow版本是2.1。可能有很多同学想跃跃欲试安装TensorFlow2，不过安装完才发现，TensorFlow2与TensorFlow1的差别非常大，基本上是不兼容的。也就是说，基于TensorFlow1的代码不能直接在TensorFlow2上运行，当然，一种方法是将基于TensorFlow1的代码转换为基于TensorFlow2的代码，尽管Google提供了转换工具，但并不保证能100%转换成功，可能会有一些瑕疵，而且转换完仍然需要进行测试，才能保证原来的代码在TensorFlow2上正确运行，不仅麻烦，而且非常费时费力。所以大多数同学会采用第二种方式：在机器上同时安装TensorFlow1和TensorFlow2。这样以来，运行以前的代码，就切换回TensorFlow1，想尝鲜TensorFlow2，再切换到TensorFlow2。那么具体如何做才能达到我们的目的呢？本文将详细讲解如何通过命令行的方式和PyCharm中安装多个Python环境来运行各个版本TensorFlow程序的方法。
PyTorch介绍： PyTorch是一个开源的Python机器学习库，基于Torch，用于自然语言处理等应用程序。其运行环境已兼容Windows (CUDA,CPU)、MacOS (CPU)、Linux (CUDA,ROCm,CPU)。 PyTorch的前身是Torch，其底层和Torch框架一样，但是使用Python重新写了很多内容，不仅更加灵活，支持动态图，而且提供了Python接口，它是由Torch7团队开发，是一个以Python优先的深度学习框架，不仅能够实现强大的GPU加速，同时还支持动态神经网络。 PyTorch既可以看作加入了GPU支持的numpy，同时也可以看成一个拥有自动求导功能的强大的深度神经网络。
（anaconda内置python在内的许多package，所以不用另外下载python） 可以点击下面的清华开源软件镜像站，在官网下载anaconda不如在这下的快 https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/镜像站
大多数小伙伴在第一次接触 python 的时候都会被它强大的包所吸引，想要写一个网站可以使用 Django ，想要做数学运算就想到了 Numpy ，想做数据分析可以用 Pandas 等等
领取专属 10元无门槛券
手把手带您无忧上云
云服务器
ICP备案
对象存储
即时通信 IM
实时音视频
