miniconda 的优势在于他不仅管理了 python 的依赖，还管理了二进制依赖，例如你要装一个包，这个包依赖了 cuda9.0，而你的另外一个包依赖于 cuda10.0，那么你就需要在本机上安装 cuda9.0，cuda10.0，对于一个小白用户来说，这种依赖不同二进制库何解？第场景，numpy 如果想用 mkl 的话，目前 pip 无解，只能下 openblas 的，除非手动编译，如果要手动编译，那就得安装 mkl，改配置文件，然后手动编译，而在 anaconda 上只需要 conda install，会自动安装 mkl，下载编译好的带 mkl 的 numpy 。同理依赖不同版本的 cudnn 也是一样的。
楼上提的差不多了。我说一些小细节：
conda 能记录环境的改动，如果不小心安装或者卸载了包和依赖，能查看 revision 历史然后回到某个版本。
另外，有些时候 conda-forge 收录包不如 PyPI 及时，如果想在同一个 conda 环境里安装这些包，只能在 conda 里面安装 pip，再用 pip 安装， @Raven316 提到了。
我个人还是优先使用 pyenv，它能装更多种不同的 Python 版本，包括 Anaconda/Miniconda 。如果使用了带 conda 的，pyenv 会在管理环境的时候会优先调用 conda 进行管理。
conda 在 solve environment 的时候，有时会特别慢。可以了解一下 mamba，一个对 conda 基于 C++的重新实现。
总结一下：
1 、conda 可以管理不同版本 python 的依赖 例如：python27/python35/python36
2 、可以管理二进制依赖 例如：依赖 cuda9.0 cuda10.0
3 、某些无法使用 pip 或者比较麻烦的包的安装 例如：mkl 二进制包
4 、可以记录环境改动 例如：不小心安装或卸载了包 可以回退
撰写答案
关于作者
相关问题
热门文章
