名词解释#
Anaconda.org#
云中基于 Web 的公有存储库托管服务。Anaconda.org 托管了数百个适用于各种应用程序的有用 Python 包。您不需要 Anaconda.org 帐户，也不需要登录即可搜索公共软件包或下载和安装它们。
您还可以将依赖包发布到 Anaconda.org。这些包托管在与您的 Anaconda.org 帐户连接的频道中，并且可以与公众共享。付费订阅 Anaconda.org 的用户可以将包指定为私有包，以便仅与授权用户共享。
有关 Anaconda.org 的更多信息，请参阅 Anaconda.org。
Anaconda 客户端 CLI#
Anaconda 客户端命令行界面 （CLI） 允许您直接从终端窗口登录 Anaconda.org 并管理您的帐户。从 Anaconda.org 下载或安装软件包时不需要。
Anaconda 分布#
一个可下载的开源、高性能、优化的 Python 发行版，自动包含 300+ 个软件包。Anaconda Distribution 提供了轻松安装额外的 7,500+ 开源数据科学软件包的选项，包括高级和科学分析。
Anaconda Distribution 包括 conda、Python、Anaconda Navigator 以及 300 多个其他数据科学和机器学习软件包。Anaconda Distribution 适用于 Windows、macOS 和 Linux。
安装 Anaconda Distribution 后，您可以使用以下命令安装 Anaconda 存储库中包含的数千个其他开源包：
# Replace <PACKAGE> with the name of the desired package conda install <PACKAGE>
有关 Anaconda Distribution 的更多信息，请参阅 Anaconda Distribution。
有关许可的信息，请参阅我们的服务条款。
Anaconda 元包#
与 Anaconda Distribution 安装程序关联的特定版本的软件包集合。Anaconda 元包用于将所有其他包拉取到安装程序中。它包含几个核心的低级库，包括压缩、加密、线性代数和一些 GUI 库。
Anaconda 元包可用于创建包含所有 Anaconda Distribution 包的环境，并且它对 conda 的求解器行为有很强的影响。
有关 Anaconda 元包的更多信息，请参阅 Anaconda 元包。
有关 Anaconda Distribution 和 Anaconda 元包之间区别的更多信息，请参阅 Anaconda 博客名称中有什么？澄清 Anaconda 元包。
Anaconda Professional 存储库#
网络上的私有企业服务器，可以在其中存储和检索开源和专有软件包，以便在本地计算机上安装。Anaconda Professional 存储库不同于 Anaconda.org 或默认的 conda 存储库。Anaconda Professional 存储库用于管理对数据科学资产（包括包和笔记本）的访问。它可用于本地和云中的商业用途。
有关 Anaconda 产品套餐的更多信息，请参阅 Anaconda 定价。
渠道#
存储库中 conda 查找包的位置。通道可以指向 Anaconda.org 存储库，或者您或您的组织管理的远程或本地存储库上的私有位置。这defaults默认情况下，频道列表包括以下 Public Repository 频道：
ckey#
用于标识 Anaconda 服务器中的工件的内部 ID。
命令行界面 （CLI）#
一种程序，其中命令以文本形式输入，一次一行，供计算机执行。这是在 Windows 的 Anaconda Prompt 以及 macOS 和 Linux 的终端中完成的。Conda 在 CLI 中执行。与图形用户界面 （GUI） 相反。
提交#
通过将一组本地更改复制到远程服务器来使这些更改永久化。Data Science & AI Workbench会检查您的工作是否会与您的同事在同一项目上所做的任何提交发生冲突，因此除非您选择这样做，否则这些文件不会被覆盖。
Conda#
与 Anaconda Distribution 打包在一起并在 CLI 中运行的包和环境管理器程序。使用 conda，您可以安装和更新 conda 软件包及其依赖项，并在本地计算机上的 conda 环境之间切换。与 Anaconda Navigator 形成对比。
有关 conda 的更多信息，请参阅 conda 文档。
Conda 构建#
一个命令行工具，可用于从配方构建 conda 包。
Conda 环境#
一个文件夹或目录，其中包含 conda 软件包及其依赖项的特定集合，因此它们可以独立维护和运行，而不会相互干扰。conda 环境维护自己的文件、目录和路径，因此您可以使用特定版本的库和/或 Python 本身，而不会影响其他 Python 项目。对一个环境的更改不会影响其他环境。例如，如果升级一个环境中的程序，则不会升级另一个环境中的同一程序。
例如，您可以仅将一个 conda 环境用于 Python 2.7 和 Python 2.7 包，并维护另一个仅包含 Python 3.9 和 Python 3.9 包的 conda 环境。
Anaconda Navigator 中的环境是 conda 环境。
Conda 包#
一个存档文件，其中包含安装和运行软件程序所需的一切，因此您不必单独手动查找和安装每个依赖项。这可以包括系统级库、Python 模块、可执行程序和其他组件。Conda 跟踪特定包和平台之间的依赖关系，从而可以轻松地使用不同的包组合创建特定于作系统的环境。
可以使用 CLI 中的 conda 或 Anaconda Navigator 来管理 Conda 包。
Conda recipe#
用于告诉 conda-build 如何构建包的说明。
Conda 存储库#
基于云的存储库，包含 720+ 开源认证软件包，可通过conda install命令。可以直接在 https://repo.anaconda.com/pkgs/ 上查看，并在从 “环境” 选项卡下载和安装软件包时在 Anaconda Navigator 中使用，或者在 CLI 中使用 conda 命令。
CVE 证书#
在软件组件中发现的常见漏洞和披露。由于现代软件很复杂，具有许多层、相互依赖关系、数据输入和库，因此漏洞往往会随着时间的推移而出现。忽略高 CVE 分数可能会导致安全漏洞和应用程序不稳定。
要了解有关 CVE 以及 Anaconda 如何缓解和管理 CVE 的更多信息，请观看数据科学现状网络研讨会。
部署#
一个已部署的 Anaconda 项目，其中包含笔记本、Web 应用程序、控制面板或机器学习模型（通过 API 公开）。当您部署项目时，Data Science & AI Workbench会构建一个包含所有必需依赖项和运行时组件的容器——项目运行所依赖的库——并使用用户定义的安全性和访问权限启动它。这使您可以轻松运行应用程序并与他人共享。
运行环境#
虚拟环境允许同一（软件）软件包的多个不兼容版本在单个系统上共存。环境只是一个文件路径，其中包含一组相互兼容的软件包。通过在不同的环境中隔离给定包的不同版本（及其依赖项），这些版本都可用于处理特定项目或任务。
图形用户界面 （GUI）#
带有图形图像、图标和菜单的程序，可通过单击鼠标和/或在编辑框中输入文本来输入命令。Anaconda Navigator 是一个覆盖 conda 实用程序的图形用户界面。
交互式数据应用程序#
带有滑块、下拉列表和其他允许用户与之交互的小部件的可视化。交互式数据应用程序可以驱动新的计算、更新绘图并连接到其他编程功能。
交互式开发环境 （IDE）#
一套软件工具，结合了开发人员编写和测试软件所需的一切。它通常包括代码编辑器、编译器或解释器以及开发人员通过单个图形用户界面 （GUI） 访问的调试器。IDE 可以安装在本地，也可以作为一个或多个通过 Web 浏览器访问的现有兼容应用程序的一部分。
标签#
conda 查找包的 Anaconda.org 上的一部分 URL。仅当您指定标签时，才会搜索标签。
默认标签为main，这样就不会自动为未指定标签而上传的软件包添加标签main.标记为main默认情况下也会下载，除非用户指定了不同的标签。
因此，如果文件被标记为main，则 URL 中可能会省略标签名称。例如，以下存储库是等效的：
https://anaconda.org/sean/labels/main
https://anaconda.org/sean
命令，例如conda install可以与通道一起使用，也可以与通道和标签一起使用：
conda install --channel sean selenium
conda install --channel sean/label/dev selenium
conda install --channel sean/label/stable selenium
Miniconda#
Miniconda 是 Anaconda Distribution 的轻量级版本，从 CLI 运行，其中仅包含 conda、Python 及其依赖项。安装 Miniconda 后，您可以使用以下命令直接从 CLI 安装其他 conda 软件包：
# Replace <PACKAGE> with the name of the package you want to install in your environment
conda install <PACKAGE>
有关 Miniconda 的更多信息，请参阅 Miniconda。
有关许可的信息，请参阅我们的服务条款。
镜像#
镜像是从源准确复制数据，然后将其存储在新位置的过程。镜像可以是原始镜像的子集，也可以是精确的 1 对 1。镜像可以是实时的、按固定的时间表或一次性事件进行的。
Namespace#
每个用户和组织都有自己的位置，称为 “命名空间” ，他们可以在其中托管包。您可以通过导航到用户或组织的用户页面来查看用户或组织的命名空间中的公共包。
示例：travis用户命名空间位于https://anaconda.org/travis包含由其帐户名为travis.
Noarch 软件包#
一个 conda 包，不包含任何特定于任何系统体系结构的内容，因此它可以安装在任何系统上。当 conda 在通道中的任何系统上搜索包时，conda 始终会检查特定于系统的子目录，例如linux-64- 和noarch目录。
有关 Anaconda 的main频道，请参阅 https://repo.anaconda.com/pkgs/main/noarch/。
笔记本#
Anaconda Notebooks 是一项托管的 JupyterLab 服务，由 PythonAnywhere 提供支持，使您能够可靠地在线运行 JupyterLab 笔记本。Notebooks 服务为您提供在专用 JupyterHub 环境中运行的托管 JupyterLab 实例、持久性云存储、具有常见数据科学软件包的预配置 conda 环境，以及创建您自己的自定义环境的能力。
有关 Anaconda Notebooks 的更多信息，请参阅 Anaconda Notebooks。
依赖包#
软件文件和有关软件的信息（例如其名称、特定版本和描述）捆绑到一个文件中，该文件可由软件包管理器进行安装和管理。虽然包通常用于文件，但它们也可以单独用于元数据。如果是，则称为元包。
包管理器#
一组软件工具，可自动执行安装、更新、配置和删除软件包的过程。也称为包管理系统。
Anaconda Navigator 包括带有 GUI 覆盖层的 conda 包管理器，易于使用。
Anaconda.org 支持两个包管理器：conda 和 pip。
参数#
模型参数是它在训练过程中学习的权重和偏差。模型的参数越多，其学习能力就越强，但它就越符合其训练数据。
项目模板#
包含支持特定编程环境的所有基本文件和组件。例如，Python Spark 项目模板包含编写连接到 Spark 集群的 Python 代码所需的一切。创建新项目时，您可以选择包含一组包及其依赖项的模板。
量化方法#
量化可平衡模型的参数。这样做是为了使模型在内存使用方面更高效，或者更健壮和准确。可以把这想象成拿一本 300 页的手册，并将其浓缩成 100、50 或 30 页的最重要信息。
R 包#
一个 conda 包，用于安装和运行 R 计算机语言。示例包括 R Essentials，这是一组 210 个用 R 计算机语言编写的常用开源软件程序。
有关 R 包的更多信息，请参阅将 R 语言与 Anaconda 结合使用。
存储 库#
可从中检索软件或软件资产（如包）并将其安装在本地计算机上的任何存储位置。另请参阅：Anaconda Professional 存储库和 conda 存储库。
REST API#
作机器学习模型的常用方法是通过 REST API。REST API 是一个 Web 服务器终端节点或可调用 URL，它根据查询提供结果。REST API 允许开发人员创建包含机器学习和预测的应用程序，而无需自己编写模型。
Session#
一个打开的项目，在编辑器或 IDE 中运行。
Token#
访问控制Token是插入到包或通道 URL 中的随机字母数字字符串。Token可以与 Anaconda.org、Anaconda Professional 存储库或 AE4 存储库一起使用。该Token允许您下载受限制的包或添加通道。只有具有正确访问Token的用户才能访问私有文件。您可以在 CLI 中使用 Anaconda Client 或在 Anaconda.org 中使用组织来生成用于各种私有包和通道目的的Token。