數據科學現在已經在高校、科研和企業中掀起了一股熱潮，讓有很多數據的公司產生了對數據進行挖掘、分類與識別的新需求。業界用的最多的就是anaconda環境了。使用anaconda好處多多，比如環境隔離、自帶的包管理系統等，可以讓我們方便的創建多個實驗環境並且管理這些包。
anaconda其實包含兩部分，一部分是包管理器conda環境以及相關工具腳本集，另一部分就是環境以及安裝的模塊。
conda類似ubuntu的apt，對於一個可運行的軟件，都是由一個或者以上的軟件包組成應用程序的依賴庫集合，通過命令安裝時會安裝到合適的位置，便可以管理和下載軟件包/腳本模塊到本地任意創建的環境中，並且不同的環境可以進行隔離運行。conda既能方便的安裝應用，又能避免重複模塊的下載，節省了空間，並且方便應用程序的升級。要同時安裝多個應用包（或者叫模塊），只要執行命令即可，甚至在不同的環境中可以安裝和運行不同的Python版本。
我們來認識一下萬能的conda命令。
首先我們需要創建一個乾淨的環境
首先我們先選這個，進入conda基礎環境提示符。
這個窗口是Windows命令提示符，但是特殊在它已經激活了conda中base這個環境，目錄左邊的(base)就說明我們已經在base環境下了。
我們看一下有多少已經安裝的環境
執行命令：
conda env list
當前環境僅僅創建了一個base環境
我們需要創建一個乾淨的環境
需要執行另一個子命令
conda create -n KerasLab
創建成功！此時我們就需要激活這個新創建的環境了，我們按照提示，執行命令：
conda activate KerasLab
就替換了base而使用KerasLab環境了。
一半從源站下載會十分緩慢。所以我們使用國內清華大學源鏡像下載。
執行命令
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --set show_channel_urls yes
這樣我們就把清華源鏡像加入下載頻道了。後續安裝模塊就可以從清華大學服務器下載了。
現在我們想要在D盤DeepLab目錄作爲工作目錄。我們需要切換目錄到這個目錄，執行 命令
cd /d D:\DeepLab
接下來我們需要安裝我們所需要的模塊
conda install keras=2.0.8 numpy matplotlib jupyter jupyterlab
或者創建一個文本文件，requirements.txt，內容填寫：
keras=2.0.8
numpy
matplotlib
jupyter
jupyterlab
保存，然後在這個目錄中執行：
conda install --file requirements.txt
我們就裝好了環境，當前目錄下我們就可以執行jupyter來做實驗了。
後話，我們可以不裝anaconda，只安裝miniconda，減小減少用不到的模塊的安裝，需要哪些裝哪些。
以後每次啓動DeepLab這個項目的工作目錄和環境，只需要以下四步驟：
第一步：
第二步：切換工作目錄:
第三步：切換環境：
第四步：啓動Jupyter Lab
