词汇表#
Anaconda.org#
一个基于云的公共仓库托管服务。Anaconda.org 托管了数百个适用于各种应用的有用 Python 包。您不需要 Anaconda.org 账户，也不需要登录，即可搜索公共包或下载并安装它们。
你也可以将包发布到Anaconda.org。这些包托管在与你的Anaconda.org账户相连的频道中，并且可以与公众共享。拥有Anaconda.org付费订阅的用户可以将包指定为私有，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 Client 命令行界面 (CLI) 允许您直接从终端窗口登录到 Anaconda.org 并管理您的账户。从 Anaconda.org 下载或安装软件包时不需要使用它。
Anaconda 发行版#
一个可下载的、开源的、高性能的、优化的Python发行版，自动包含300多个包。Anaconda发行版提供了轻松安装额外7500多个开源数据科学包的选项，包括高级和科学分析。
Anaconda 发行版包括 conda、Python、Anaconda Navigator 以及超过 300 个额外的数据科学和机器学习包。Anaconda 发行版适用于 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额外的开源包：
# 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。
有关许可信息，请参阅我们的服务条款。
Anaconda 元包#
一组特定版本的包，与Anaconda发行版安装程序相关联。Anaconda元包用于将所有其他包拉入安装程序。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元包对于创建包含所有Anaconda发行版包的环境非常有用，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 metapackage。
有关Anaconda发行版和Anaconda元包之间区别的更多信息，请参阅Anaconda博客，What’s in a Name? Clarifying the Anaconda Metapackage。
Anaconda 专业仓库#
一个位于您网络上的私有企业服务器，用于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 Repository 与 Anaconda.org 或 默认的 conda 仓库 不同。Anaconda Professional Repository 用于管理对数据科学资产的访问，包括软件包和笔记本。它可用于商业用途，无论是在本地还是在云端。
有关Anaconda产品层级的更多信息，请参阅Anaconda定价。
频道#
仓库中的一个位置，conda 在此查找包。频道可能指向 Anaconda.org 仓库或由您或您的组织管理的远程或本地仓库上的私有位置。defaults 频道列表默认包括以下公共仓库频道：
ckey#
用于在Anaconda Server中识别工件的内部ID。
命令行界面 (CLI)#
一种程序，其中命令以文本形式逐行输入，供计算机执行。这是在Windows的Anaconda Prompt中，以及在macOS和Linux的终端中完成的。Conda在命令行界面（CLI）中执行。与图形用户界面（GUI）形成对比。
提交#
通过将一组本地更改复制到远程服务器来使其永久化。Data Science & AI Workbench 会检查您的工作是否与同事在同一项目上所做的提交冲突，因此除非您选择这样做，否则文件不会被覆盖。
Conda#
一个与Anaconda Distribution一起打包并在CLI中运行的程序包和环境管理器。使用conda，您可以安装和更新conda包及其依赖项，并在本地计算机上切换conda环境。与Anaconda Navigator形成对比。
有关conda的更多信息，请参阅conda文档。
Conda-build#
一个命令行工具，您可以使用它从配方构建conda包。
Conda环境#
一个包含特定集合的conda包及其依赖项的文件夹或目录，因此它们可以独立维护和运行而不会相互干扰。一个conda环境维护其自己的文件、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，如果您在一个环境中升级了一个程序，这不会升级另一个环境中的相同程序。
例如，您可以使用一个conda环境仅用于Python 2.7和Python 2.7包，并维护另一个conda环境仅用于Python 3.9和Python 3.9包。
Anaconda Navigator 中的环境是 conda 环境。
Conda 包#
一个包含软件程序安装和运行所需的所有内容的归档文件，因此您无需手动查找并单独安装每个依赖项。这可能包括系统级库、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，使得使用不同包组合创建特定操作系统的环境变得简单。
Conda 包可以通过 conda 在 CLI 中或使用 Anaconda Navigator 进行管理。
Conda 配方#
用于告诉conda-build如何构建包的指令。
Conda 仓库#
一个基于云的存储库，包含720多个开源认证包，可以通过conda install命令轻松在本地安装。可以直接在https://repo.anaconda.com/pkgs/查看，并在从环境选项卡下载和安装包时在Anaconda Navigator中使用，或通过在CLI中使用conda命令使用。
CVEs#
在软件组件中发现的常见漏洞和暴露。由于现代软件具有许多层次、相互依赖性、数据输入和库，因此漏洞往往会随着时间的推移而出现。忽视高CVE评分可能导致安全漏洞和不稳定的应用程序。
要了解更多关于CVE的信息以及Anaconda如何缓解和管理它们，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，包含Notebook、Web应用程序、仪表板或机器学习模型（通过API暴露）。当您部署一个项目时，数据科学与人工智能工作台会构建一个包含所有所需依赖项和运行时组件的容器——项目运行所依赖的库——并以用户定义的安全和访问权限启动它。这使您可以轻松地运行并与他人共享应用程序。
环境#
虚拟环境允许同一（软件）包的多个不兼容版本在单个系统上共存。环境只是一个包含一组相互兼容的包的文件路径。通过将给定包的不同版本（及其依赖项）隔离在不同的环境中，这些版本都可以用于特定的项目或任务。
图形用户界面 (GUI)#
一个带有图形图像、图标和菜单的程序，通过鼠标点击和/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#
带有滑块、下拉菜单和其他小部件的可视化，允许用户与它们进行交互。交互式数据应用程序可以驱动新的计算、更新图表，并连接到其他编程功能。
交互式开发环境 (IDE)#
一套软件工具，结合了开发者编写和测试软件所需的一切。它通常包括一个代码编辑器、一个编译器或解释器，以及一个开发者通过单一图形用户界面（GUI）访问的调试器。IDE可以本地安装，也可以作为通过网页浏览器访问的一个或多个现有且兼容的应用程序的一部分。
标签#
Anaconda.org 上 conda 查找软件包的部分 URL。只有在您指定标签时才会搜索标签。
默认标签是main，因此未指定标签上传的包会自动标记为main。标记为main的版本也会默认下载，除非用户指定了不同的标签。
因此，如果文件被标记为main，则可以从URL中省略标签名称。例如，以下存储库是等效的：
https://anaconda.org/sean/labels/main
https://anaconda.org/sean
诸如 conda install 的命令可以与频道一起使用，或者与频道和标签一起使用：
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，通过 CLI 运行，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 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。
有关许可信息，请参阅我们的服务条款。
镜像#
镜像是指从源数据准确复制数据并将其存储在新位置的过程。镜像可以是原始数据的子集，也可以是精确的1对1复制。镜像可以是实时的、按固定时间表进行的，或者是一次性事件。
命名空间#
每个用户和组织都有一个称为“命名空间”的位置，他们可以在其中托管包。您可以通过导航到他们的用户页面来查看用户或组织命名空间中的公共包。
示例：位于https://anaconda.org/travis的travis用户命名空间包含由名为travis的用户上传和共享的包。
无架构包#
一个conda包，不包含任何特定于系统架构的内容，因此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总是检查系统特定的子目录——例如，linux-64——以及noarch目录。
有关Anaconda的main频道中可用的noarch软件包列表，请参见https://repo.anaconda.com/pkgs/main/noarch/。
笔记本#
Anaconda Notebooks 是由 PythonAnywhere 提供支持的托管 JupyterLab 服务，使您能够可靠地在线上运行 JupyterLab 笔记本。Notebooks 服务为您提供了一个在专用 JupyterHub 环境中运行的托管 JupyterLab 实例、持久的云存储、预配置的包含常见数据科学包的 conda 环境，以及创建自定义环境的能力。
有关Anaconda Notebooks的更多信息，请参阅Anaconda Notebooks。
包#
软件文件以及关于软件的信息，例如其名称、特定版本和描述，这些信息被打包成一个文件，可以通过包管理器进行安装和管理。虽然包通常用于文件，但它们也可以仅用于元数据。当它仅用于元数据时，它被称为元包。
包管理器#
一组软件工具，用于自动化安装、更新、配置和删除软件包的过程。也称为包管理系统。
Anaconda Navigator 包含了带有 GUI 覆盖的 conda 包管理器，以便于使用。
Anaconda.org 支持两种包管理器：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。模型拥有的参数越多，其学习能力越强，但也会更紧密地符合其训练数据。
项目模板#
包含所有基础文件和组件，以支持特定的编程环境。例如，一个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。在创建新项目时，您可以选择一个包含一组包及其依赖项的模板。
量化方法#
量化平衡模型的参数。这样做是为了使模型在内存使用方面更高效，或者更稳健和准确。可以想象一下，将一本300页的手册压缩到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，这是一个包含210个用R计算机语言编写的流行开源软件程序的捆绑包。
有关R包的更多信息，请参阅使用Anaconda的R语言。
仓库#
任何可以从中检索软件或软件资产（如包）并安装在本地计算机上的存储位置。另请参阅： Anaconda Professional Repository 和 conda repository。
REST API#
将机器学习模型操作化的常见方法是通过REST API。REST API是一个网络服务器端点，或可调用的URL，它根据查询提供结果。REST API允许开发者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。
会话#
一个开放项目，运行在编辑器或IDE中。
令牌#
访问控制令牌是一个随机的字母数字字符串，它被插入到包或频道URL中。令牌可以与Anaconda.org、Anaconda专业仓库或AE4仓库一起使用。该令牌允许您下载受限制的包或添加频道。只有拥有正确访问令牌的用户才能访问私有文件。您可以在CLI中使用Anaconda客户端或在Anaconda.org中的组织为各种私有包和频道目的生成令牌。