参考链接：https://blog.csdn.net/shunaoxi2313/article/details/92003710
conda的虚拟环境真的非常实用，尤其是对于大的深度学习项目，给每个项目单独配一个环境，轻巧又容易管理，还能直接用别人配好的虚拟环境，非常方便。这里记录几个常用的导入导出命令免得每次找：
由于最近再搞虚拟换装的深度学习，所以需要这个，我就以其为例，进行讲解。也算是个学习笔记。
1.查看可用环境：
conda env list
2.进入需要导出的环境
activate fiName
3.导出环境
conda env export > finame
conda env export > DMT.yml
默认就在、Users\Tom目录下面去找
4.查看环境
以记事本方式打开
有name,channel,dependecies,还有需要pip安装的库等，这里就不展示了。
5.导入环境
这里我们把别人生成的yml文件找到，进行导入。
conda env create -f finame
conda env create -f environment.yml
按道理讲会成功。结果我的报了SSl的错。后面搞了很久，发现环境变量没有添加。然后我创建一个普通的虚拟环境都报错了，后面通过设置源解决了。
参考链接：设置源：https://blog.csdn.net/qq_29007291/article/details/81103603
其他链接
https://blog.csdn.net/kl28978113/article/details/88234449
https://blog.csdn.net/donaldsy/article/details/104322223/
包错误
然后再次安装，又报找不到包的错。。。。。
conda 安装yaml环境中的各种坑：
客官移步
这篇文章也是很清楚。nice
另外一个：
https://blog.csdn.net/weixin_44762483/article/details/121914664?spm=1001.2101.3001.6661.1&utm_medium=distribute.pc_relevant_t0.none-task-blog-2%7Edefault%7ECTRLIST%7ERate-1-121914664-blog-124783101.pc_relevant_3mothn_strategy_and_data_recovery&depth_1-utm_source=distribute.pc_relevant_t0.none-task-blog-2%7Edefault%7ECTRLIST%7ERate-1-121914664-blog-124783101.pc_relevant_3mothn_strategy_and_data_recovery&utm_relevant_index=1
分析：
https://blog.csdn.net/Hunter_Murphy/article/details/124783101
刚开始我以为是python版本不同或者conda版本不同造成，经过测试发现不是。然后看到上面那篇文章，很大可能是导出的时候是linux，而迁移到windows上面的话，指令以及形式不同，造成不匹配而报错，进行修改即可。
这过程也是比较艰辛呀。
然后呢，创建环境失败了，但是这个环境存在了，而且进去查看包也是有很多存在了。分析问题得到是pip的问题，有的包可能安装失败。很有可能是源的问题，导致没找到，还有的就是可能用了梯子，导致SSL报错导致失败。
此时就需要另外处理了。
于是我进到程序里面，一步一步看差哪些包，进行安装。
当然有一个好的办法，就是如下：
最上面链接，可以直接pip所有的包，放在txt里面。
问题：
后面在装torch的时候也遇到问题。好像是因为pip,pip3，conda的不同导致的，导致装错了位置。具体我没太了解，稀里糊涂的就搞好了。还有就是下载的whl最好放在你所创建的虚拟环境里面。
https://blog.csdn.net/weixin_43135178/article/details/117842068
conda list和pip list的区别
下面是conda list和pip list的区别
原文链接：https://blog.csdn.net/itigoitie/article/details/126938742
还有pip和pip3的区别。conda 和 pip的区别都需要了解一些。