本文目录一览：
anaconda安装后建立新的conda出现multiplied error怎么办？
任何语言的包，依赖和环境管理：Python，R，Ruby，Lua，Scala，Java，Javascript，C / C ++，FORTRAN
Conda是一个开源包管理系统和环境管理系统，用于安装多个版本的软件包及其依赖关系，并在它们之间轻松切换。 它适用于Linux，OS X和Windows，是为Python程序创建的，但可以打包和分发任何软件。
Conda包括在Anaconda和Miniconda。 Conda也包括在Anaconda的Continuum订阅中，它为Python，R，Node.js，Java和其他应用程序堆栈提供现场企业包和环境管理。 Conda在pypi中也是可用的，虽然这种方法可能不是最新的。
Miniconda是一个小的“引导”版本，只包括conda，Python和它们依赖的包。 超过720个科学软件包及其依赖项可以使用“conda install”命令从Continuum存储库单独安装。
Anaconda包括conda，conda-build，Python和超过150个自动安装的科学包及其依赖项。 与Miniconda一样，可以使用“conda install”命令单独安装超过250个额外的科学软件包。
pip install conda使用pypi上发布的版本。 此版本允许您使用任何python安装创建新的conda环境，然后将新版本的Python安装到这些环境中。 这些环境仍被认为是“Anaconda安装”。
conda 命令是管理Anaconda安装的主要接口。 它可以查询和搜索Anaconda软件包索引和当前的Anaconda安装，创建新的conda环境，以及在现有的conda环境中安装和更新软件包。
如何用anaconda创建环境
Anaconda是用于科学计算的Python发行版，它集成了很多关于Python科学计算的第三方库，同时提供了包管理和环境管理的功能，可方便的解决多版本Python并存、切换以及第三方包安装问题。支持运行在Linux、Windows和macOS下。Anaconda利用命令/工具 conda 来进行Package和environment管理。
conda VS anaconda
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与环境管理。包管理与pip的使用类似，环境管理则允许用户方便地安装不同版本的python并可以快速切换。Anaconda则是一个打包的集合，里面预装好了conda、某个版本的python、众多packages、科学计算工具等等，所以也称为Python的一种发行版。其实还有Miniconda，顾名思义，它只包含最基本的内容——python与conda，以及相关的必须依赖项，对于空间要求严格的用户，Miniconda是一种选择。
Anaconda安装
我主要在CentOS服务器上安装Anaconda，选择要安装的Python版本和系统架构：
# Python 3.6
$ wget #64位系统
$ wget #32位系统# Python 2.7
$ wget #64位系统
$ wget #32位系统
（这里我选择的是Python3.6 version 64BIT，关于Python的版本2.7 or 3.6，后面都可以在Anaconda里设置版本环境）
运行安装向导：
$ bash Anaconda3-4.3.1-Linux-x86_64.sh
按照向导，接受协议--设置安装路径（默认安装用户Home目录）--然后把安装路径添加到环境变量。
遇到的问题
1.在安装向导设置安装路径后，ENTER，提示如下错误信息：
tar (child): bzip2: Cannot exec: No such file or directory
tar (child): Error is not recoverable: exiting now
tar: Child returned status 2
tar: Error is not recoverable: exiting now
安装即可：
yum -y install bzip2
2.在安装向导最后一步，是否添加到环境变量，默认是no，我手贱直接ENTER了。
对于Mac、Linux系统，Anaconda安装好之后，实际上就是在主目录下多了个文件夹（~/anaconda)，Windows会写入注册表。安装程序会把bin目录加入PATH。现在只能自己完成了：
# 将anaconda的bin目录加入PATH，根据版本不同echo ’export PATH="~/anaconda3/binPATH"’ ~/.bashrc# 更新bashrc立即生效
source ~/.bashrc
配置好PATH后，可以通过 which conda 或 conda --version 命令检查是否正确。
Jupyter Notebook
当然，安装Anaconda的科学计算python平台，是为了使用Jupyter Notebook来学习Python的一些科学计算和机器学习库。Jupyter Notebook是IPython的一个Web接口，可以展现富文本，是的整个工作可以以笔记的形式展现、存储，适合做数据分析，交互性变成和学习。
但是，当我在服务器上运行Jupyter Notebook时候，无法使用。因为当前配置下只能从本地（也就是那台CentOS服务器上）访问，但是服务器只装了centos的Minimal，没有桌面环境，更不用说浏览器了。这当然不满足我目前的需求，需要配置服务器上的Jupyter允许远程访问。
生成配置文件：
jupyter notebook --generate-config
生成的配置文件位于~/.jupyter/jupyter_notebook_config.py。
生成自签名SSL证书：
cd ~/.jupyter
openssl req -x509 -nodes -days 365 -newkey rsa:1024 -keyout notebook_cert.key -out notebook_cert.pem
生成一个hash密码：
python -c "import IPython;print(IPython.lib.passwd())"
Enter password:
Verify password:sha1::7211a627f0ba:1e515d95f664181dc5f43571b8973476126e7371
复制生成的密码，编辑jupyter的配置文件：
vi ~/.jupyter/jupyter_notebook_config.py
在打开的配置文件中，配置相应的参数：
c.NotebookApp.certfile = u’/home/xxxx/.jupyter/notebook_cert.pem’
c.NotebookApp.keyfile = u’/home/xxxx/.jupyter/notebook_cert.key’
c.NotebookApp.password = u’sha1::7211a627f0ba:1e515d95f664181dc5f43571b8973476126e7371’
c.NotebookApp.ip = ’*’
c.NotebookApp.port = 8081
c.NotebookApp.open_browser = False
再次启动Notebook：
jupyter notebook
在本机使用浏览器访问： ，即可打开Jupyter Notebook的页面，输入刚才设置的密码，即可登录了。
至此，就实现了远程服务器Jupyter Notebook。接下来就可以安装机器学习所需要的一些库开始折腾了，包括：Numpy、Pandas、Matplotlib、Scikit-learn等。
使用anaconda以后再要使用不在conda环境中的包，要怎么安装
任何语言的包，依赖和环境管理：Python，R，Ruby，Lua，Scala，Java，Javascript，C / C ++，FORTRAN
Conda是一个开源包管理系统和环境管理系统，用于安装多个版本的软件包及其依赖关系，并在它们之间轻松切换。 它适用于Linux，OS X和Windows，是为Python程序创建的，但可以打包和分发任何软件。
Conda包括在Anaconda和Miniconda。 Conda也包括在Anaconda的Continuum订阅中，它为Python，R，Node.js，Java和其他应用程序堆栈提供现场企业包和环境管理。 Conda在pypi中也是可用的，虽然这种方法可能不是最新的。
Miniconda是一个小的“引导”版本，只包括conda，Python和它们依赖的包。 超过720个科学软件包及其依赖项可以使用“conda install”命令从Continuum存储库单独安装。
Anaconda包括conda，conda-build，Python和超过150个自动安装的科学包及其依赖项。 与Miniconda一样，可以使用“conda install”命令单独安装超过250个额外的科学软件包。
pip install conda使用pypi上发布的版本。 此版本允许您使用任何python安装创建新的conda环境，然后将新版本的Python安装到这些环境中。 这些环境仍被认为是“Anaconda安装”。
conda 命令是管理Anaconda安装的主要接口。 它可以查询和搜索Anaconda软件包索引和当前的Anaconda安装，创建新的conda环境，以及在现有的conda环境中安装和更新软件包。
