## 开发环境搭建 ## 安装 ### 简介: 指的是一个开源的发行版本, 其包含了 Conda 以及等一千八百多个科学包及其依赖项。因为包含了大量的科学包, 和可以把不同的环境隔离开 , 所以我们选择去 ### 下载地址: 下载自己对应的版本, 五百兆左右 , 如果下载速度慢可以移步国内镜像。
(), 选择自己电脑匹配的版本。### 安装过程: 我电脑上的是, 下载下来直接就是.exe所以双击运行就行。在安装的过程中, 大家需要把第二个勾选框给选上第一个框是用来把这个软件添加到系统的环境变量里面的而第二个框是用来把这个软件自带的程序注册到系统当中去的<: >!()<。然后接下来点击开始选择按钮<: >!
()<。如果出现下面这样的界面就说明软件已经安装成功了从界面上面能看到它给我们默认安装的是.6.5这个版本。在成功完成安装有软件这一动作之后, 你就在你的电脑上装了好多软件。
然后你在电脑屏幕上点击那个叫做开始的按钮去找的时候, 你会看到下面呈现出来的这个样子: 接下来, 我就带大家一起去深入看一看具体的情况。我们先来说明一下那两个分别代表的是什么意思。其实, 这两个是完全相同的东西。它们有一个是命令行窗口, 另一个则是图形用户界面。
说得更直白一点, 他们一个是命令行窗口, 另一个就是图形用户界面的程序界面。
conda是一种包管理工具, 我们可以在命令行提示符下输入“conda”这个命令来看看它产生的实际效果如何, 因为conda本身是一个开源的软件包管理系统以及环境管理系统, 它的主要用途在于安装包含多个不同版本的软件包及其相互间的依赖关系, 并且支持在这些不同的版本之间进行轻松的切换, 关于conda所具备的这些具体功能, 我们将会在接下来的内容里逐一加以说明, 至于当前讨论的其他方面, 由于其具体的实际作用与conda基本相同, 因此对于相关内容我们下面不再展开赘述。
因为我本人特别喜欢去使用那个命令行工具, 它运行的速度是非常快的:-:!
() 现在我知道了, 也明白了这是什么意思, 到了下一步我们就可以去看看它能够起到什么样的作用: 第一步我们要做的事情是, 在那个地方的框框里面输入`conda info --envs`这句话之后, 你会看到在你自己的电脑系统里面存在着几个编程环境, 并且这些环境彼此之间是完全独立的, 你可以在一个环境和另一个环境里面分别安装不同版本的程序还有不同的安装包以及像IDE这种开发工具等等:-:!
() 我们可以看到在这个流程里会默认去安装一个名字叫base的环境。
首先你需要输入类似这样的命令结构`conda `, 然后跟上一个具体的环境名称, 这样就可以进入指定的那个虚拟环境了, 而如果你想退出当前正在使用的这个环境, 操作步骤就在对应的说明部分, 接着你可以去查看在名为base默认的那个环境下边到底配置好了哪些安装包还有可执行程序工具什么的, 当你成功切入到base环境之后并且往命令行窗口里头敲入指令`conda list`, 此时你的显示器屏幕上就会呈现出该环境中所有已经安装完毕的软件包清单以及相关版本信息之类的详细内容, 最后一点就是关于如何添加新软件到你的操作空间里的办法, 你只需要通过执行形如`conda <包的名字>`格式的字符串命令语句, 就能实现对所需要的那个特定依赖模块或库功能的成功吸纳。
你可以去看看在base这个环境里面都有哪些程序是通过pip来安装的, 因为pip这个软件专门用来负责管理那些包的。 你完全可以自己去网上查一查, 看看conda这个工具和pip这个工具之间到底有什么不一样的地方。
还有一个网址是一个小小的网站, 你可以在上面一边写代码一边让代码运行起来, 而且还能在上面写一些技术方面的文档内容。 另外还有一个软件叫做编辑器。 我们觉得这个编辑器并不是特别的好用, 所以我们就选择了其他的方案, 并且在这里把关于安装的说明以及详细的解释全部都说完了。
最后会给大家提供一个关于学习 conda 方面的连接: 首先是进行安装的操作, 安装的官方网站网址大家可以去查找一下, 然后请在下面列出的那些版本的软件里面选择一个来安装并下载, 接着点击“下一步”按钮这样就可以了。:-:!
()## 接下来我们来搭建机器学习所需的环境, 我们经过研究决定要专门为此建立出一个单独的机器学习环境。第一步是要把软件打开, 之后就要进入名为 base 的那个基础环境里面去。随后, 为了查看在当前命名的环境中存在哪些包, 我们执行 conda --name 然后跟上一个!
()这样的参数组合这一类的命令来进行确认；接着, 我们再输入 conda 来尝试进入该环境内部, 最后再输入 conda list这个命令进行列表展示的时候我们会发现, 实际上当前环境下并没有任何已经安装好的包。:-:!
()在此基础之上, 下面我们将开始着手安装那些对于机器学习而言必不可少的各个相关依赖包。* 首先安装 在上面的界面中输入conda =3.6.5 conda会问你需不需要安装所依赖的包呢我们选择y。然后我们就静静等待安装完成吧，会很快。:-: !()* 然后我们输入看是否安装成功。
如果进入到的交互环境证明安装成功。然后接下来, 咱们可以利用pip来安装那些机器学习需要用的包, 同样地, 也可以用conda去做这件事情。不过呢, 有一点你得千万注意, 那就是如果在上一步进行安装操作的过程中, 你并没有输入字母y, 那么很遗憾, pip这个程序你就没有把它装好。
输入：~~~conda scipy~~~* 安装 -learn输入~~~conda -learn~~~* 测试安装是否成功：先输入进入交互界面，然后输入下面代码~~~>>> from svm>>> X = >>> y = >>> clf = svm.SVC()>>> clf.fit(X, y) >>> >>> clf.()array()~~~出现这个结果就证明成功了。
:-: !() ## 深度学习环境安装 ### 简介： 是谷歌基于进行研发的第二代人工智能学习系统，其命名来源于本身的运行原理。（张量）意味着N维数组，Flow（流）意味着基于数据流图的计算，为张量从流图的一端流动到另一端计算过程。是将复杂的数据结构传输至人工智能神经网中进行分析和处理过程的系统。
首先, 你要打开那个能够处理环境的软件工具, 然后着手去创建一个名字为环境的容器, 这个环境的命名你完全可以根据个人喜好来决定, 但最恰当的做法是选择一个能让人一眼就明白它主要用于支持哪个具体项目的名称, 当你输入相关的参数时, 你可以直接在后面附上版本号, 比如写成等于号和点三六五点五这样的形式, 在环境创建完成之后, 下一步就是进入这个被你指定好的环境当中去操作, 到了这一步, 你只需要直接键盘敲击那些安装软件包所需的命令序列即可, 这里需要注意的是pip这一部分, 因为pip本身就是一个在安装过程中就已经附赠提供的用于管理外部包的得力助手, 倘若通过上述方法进行pip安装的过程中出现了失败或者不顺利的情况, 那么请你回过头参考另一种替代方案, 也就是改用conda来执行安装动作。
（最好用pip安装） 这里没有介绍GPU版本的安装方法，GPU版本需要安装cuda8+，如需要的请搜索其他博文* **检查是否安装成功**：1. 输入`conda `进入该环境2. 输入``进入交互环境： !()3. 然后输入下面的代码：
# python codeimport tensorflow as tf
hello = tf.constant('Hello, TensorFlow!')
sess = tf.Session()
print(sess.run(hello))
4.如果出现如下图所示的界面, 就表明了安装已经成功完成。需要特别注意的是, 以上内容讲解的是通过命令行工具来进行安装的环节, 要是你对于使用命令行这种方式不够适应或者存在障碍的话, 也是完全可以选择借助于图形用户界面也就是通常所说的GUI来实施安装操作的。
其基本的方法和流程与前述内容是相类似的, 并不存在很大的差别!()>。
