在做深度学习的过程中，经常会碰到一些代码与当前系统环境不兼容导致跑不起来的结果，而如果想要让代码能够在本地跑起来只有两个办法：

• 1、改写代码，让它与当前环境兼容
• 2、更改当前环境的配置
  第一个方法，往往比较麻烦，如果说遇到的是类似于python版本的问题还可以花点时间去解决，针对python2->3的差异进行针对性的改动；而如果遇到的一些导入的包出现了问题（比如说我最近遇到的一个问题：ImportError: torch.utils.ffi is deprecated. Please use cpp extensions instead.），除了重写代码和更改系统环境之外，没有找他其他能够解决这个问题的办法。本文就是针对第二个方法，记录如何使用anaconda配置想要的环境。

• Anaconda的安装建议参考Ubuntu16.04下Anaconda3的安装
• 使用Anaconda创建新的环境

conda create -n 环境名称 包的名称
如： conda create -n rtmdnet python=2.7 #创建了一个名为rtmdnet的环境，并在这个环境中安装了python2.7

• 激活环境

conda activate 环境名称
如： conda activate rtmdnet #激活刚才创建的rtmdnet环境，

成功进入到rtmdnet环境中（左边小括号有rtmdnet标志，说明当前的环境是rtmdnet）

• 为当前环境安装深度学习框架和python模块

# 进入环境后，可以直接使用conda install 进行相关模块的安装（只会安装在当前环境中，不会对其他环境产生影响）
conda install pytorch=0.4.1 cuda90 -c pytorch # 安装版本为0.4.1的pytorch
conda install matplotlib # 安装matplotlib模块

• 列出anaconda创建的环境

conda env list #运行这行命令即可列出当前anaconda安装了哪些环境

• 删除环境

conda env remove -n 环境名称
如： conda env remove rtmdnet # 删除了名为rtmdnet的环境