Python学习（X）—— Python简单环境搭建完整流程

写在前面

从Python最基础的语法知识，到Python项目的运行，其实中间有很多注意的点，精深的Python项目（如Python后端项目）这里不去涉及，回顾自己运行开源项目：Mask R-CNN 所浅尝辄止的点，在此梳理一下Python简单环境搭建完整流程（因为历史任务已经完成，要清理电脑了）。

01 Python语法

这里不赘述

02 Python编译器

官网下载

• 版本问题的两个方面

1. 学习Python语法、做算法题等简单使用场景（不需要单独创建Python虚拟环境（后文会介绍），使用默认的编译器），此时Python编译器版本并不重要，语法方面可能会有微小差别。
2. 搭建运行项目，此场景下很少使用本地固定版本的编译器，一般使用Python虚拟环境。这样考虑的话，本地下载的编译器版本也并不重要。

综上，本地下载Python编译器版本其实并不是那么重要。

03 PyCharm

Python自带的命令行就可以编写运行Python语句和脚本，随编译器下载安装的IDLE就是最简单的IDE。当然可以使用记事本，VIM等等文本编辑器直接写脚本，但是作为非极客还是推荐比较成熟的的IDE —— PyCharm。
具体下载安装，关联上本地编译器这里不再赘述。

04 使用pip安装包

pip的使用详见 使用pip安装包
但有一点值得注意，使用pip安装的包物理位置都在当前Python编译器安装目录\Lib\site-packages中，这一点无论是系统Python还是虚拟环境中的Python都是适用的。

05 Python虚拟环境

为什么要Python虚拟环境

由于不同项目的需要和包兼容关系，Python编译器的版本往往变动很大，不可能为每一个项目下载安装一个编译器。同时为了方便包管理，引入了Python虚拟环境工具，可以定制特定的Python环境，此环境与系统Python环境相隔离，环境中的编译器和包自成一体。

conda创建虚拟环境+pip管理包

而Python虚拟环境的创建工具有很多，细分出来，创建虚拟环境又可以分为：创建基于特定版本Python编译器的环境+包管理工具。conda算的上是最常用的Python环境创建工具，既可以创建Python环境又可以管理包。
但是我们通常使用的是conda的wrapper —— Anaconda。

关于Anaconda和conda，Python，pip的关系可以看这一篇：Python,pip,conda和Anaconda。
总而言之，有了Anaconda，我们可以创建自己想要的Python环境，并且利用conda中同样支持pip安装包的机制，实现包的管理。
这里注意一下，conda可以创建Python环境当然也可以管理包（从conda的中心仓库中下载），但是conda官方库（无论是Anaconda库还是Miniconda库）的包并不齐全，还是推荐使用pip管理包，即conda创建环境+pip管理包的模式。

PyCharm使用conda环境

PyCharm可以使用已经创建好的conda环境（详见: PyCharm使用Anaconda虚拟环境）。当然，关于这一点，有一点值得注意：PyCharm自带的也有一个Python虚拟环境创建工具 —— Virtualenv：

包括Pipenv，但是这两个只能基于本地的编译器版本创建环境，但同时又与直接使用本地环境有所不同：直接使用本地环境时，第三方包安装在系统Python路径site-packages中，而PyCharm使用Virtualenv和Pipeenv创建的环境安装的第三包在别处（具体位置待补充）。

06 TensorFlow

如果使用Python进行深度学习的研究，使用GPU版本的TensorFlow是必不可少的步骤，这不仅牵扯到前面说到的Python虚拟环境的搭建，包的管理，还要涉及到机器硬件GPU，显卡驱动等等，其中的注意事项详见：
使用gpu进行训练和测试