多python环境管理，是为了安装多版本的pytorch或者tensorflow等。针对每个不同的开发需求，建立不同的隔离环境，避免系统的主环境受到影响。
在电脑上开发时，用的最多的是anaconda工具，只是jetpack对应的TX1、TX2这些都是arm开发板，没有直接的anaconda可以使用，所以总结了一下管理方法。
使用Archiconda
之前，我写的《TX1使用_jetpack4.6使用》一文中，介绍了这个工具，它相当于AArch64架构的conda，使用的命令和anaconda内的conda命令一样。
使用virtualenv
在官方的博文《Installing TensorFlow For Jetson Platform》中，以virtualenv工具介绍了多版本管理方法。
这个工具可以直接用pip安装
sudo apt-get install virtualenv
python3 -m virtualenv -p python3 <chosen_venv_name>
激活环境的命令
source <chosen_venv_name>/bin/activate
在选择的环境下安装tensorflow及其依赖
pip3 install -U numpy grpcio absl-py py-cpuinfo psutil portpicker six mock requests gast h5py astor termcolor protobuf keras-applications keras-preprocessing wrapt google-pasta setuptools testresources
pip3 install --extra-index-url https://developer.download.nvidia.com/compute/redist/jp/v46 tensorflow==$TF_VERSION+nv$NV_VERSION
退出激活环境
deactivate
一般来说，运行使用这个tensorflow，流程是：激活环境-运行代码-退出激活环境
source <chosen_venv_name>/bin/activate
<Run the desired TensorFlow scripts>
deactivate
不过虚拟环境管理工具比conda功能少，如果你想要装上python X版本，就得先安装X版本的python，然后
virtualenv -p X版本python的路径\python.exe D:\virtualenv\python27
这样，你才能创建指定版本python的虚拟环境。
在vscode使用时，图形化界面的操作是
点击左下角
然后手动指定虚拟环境中的python路径
这样就可以使用了。
相比conda是不是麻烦多了，毕竟virtualenv相比anaconda小，功能少也是正常的。如果在jetpack上，只是为了安装多个版本的tensorflow，其实也是足够使用的。在开发训练的机器上，还是conda更加方便。