Anaconda相对于原生python解释器具有更好的包管理功能，它有一个env文件夹，里面包含所要管理的所有环境；日常操作时我们可能会使用pytorch、Tensorflow等多个环境，由于每个环境对Python的包的兼容性都不一样，所以我们可以创建多个独立的环境，每个环境中的python包都是独立的，相互不干扰，方便管理以及解决兼容性的问题；
场景1：我们现在要使用Tensorflow和Pytorch框架，则可以创建对应的环境。使用"source activate tensorflow"来创建tensorflow环境，pytorch类似，然后在这个环境中安装需要的python包（conda install）
注意：（1）Anaconda自身也有一个环境（base），它与我们创建的环境之间独立，互相无法调用各自的包；
（2）"source activate xxx"其实就是python解释器的解释路径转换到xxx环境中，平时运行时要注意这个；
（3）"conda install xxx"安装包时也要注意要安装到的环境；
（4）使用“conda create -n pytorch python=3.7”来创建pytorch环境；
（5）使用"source deactivate"关闭虚拟环境；