Python3.5.6+TensorFlow

学校一位老师要出一系列教程，我帮着写了一些代码。以此为契机开始学习神经网络。本章是配置篇，教程文件是老师发给我的，跟着一步一步做下来就好。MAC和WINDOWS系统的配置方法都在里面，文件里是有图的。内容来源于文件故表明转载，但确实不知道是哪里来的文件（笑）

链接：https://pan.baidu.com/s/1f7K763Bl7SCbZBNeRUuSJQ 
提取码：xzlm 

一、下载并安装 Anaconda

访问 Anaconda 官方网址 https://www.anaconda.com/distribution/；

官网提供了两种 Python版本的下载按钮，在这里推荐下载 Python3.7 版本的 Anaconda；注意选择和电脑操作系统位数符合的安装包。

接下来的安装就和平时安装软件一样。

二、安装 sklearn 包

在开始菜单中找到 Anaconda 的文件目录。Anaconda Prompt 是安装各种 python 包的命令行窗口；Spyder 是编辑和运行 python 程序的界面；Anaconda Navigator 相当于软件的主界面，点击进去也能看到Spyder 程序入口。单击 Anaconda Prompt（或者调出 Windows  命令窗口），输入conda list 并回车，可以看到目前已经安装到 python 包。

输入 conda install scikit-learn 并回车安装 sklearn 包，在此过程中会被询问是否进行安装，输入 y 并回车，至此系统自动安装 sklearn 包；

安装好 sklearn 包后，我们打开 Spyder，输入：import sklearn 和 print(“hello world”)，点击左上角绿色三角按钮运行程序，在蓝色框内可以看到程序运行结果，不报错即成功安装 sklearn。其他 python 包的安装：其他 python 包的安装的命令和 sklearn 包安装命令一样， 都是用“conda install  包的名字”，例如安装 numpy 包，命令为 conda install numpy。

三、利用 conda 创建虚拟环境

在项目开发过程中我们时常会用到不同的环境配置（可以理解为为不同的项目安装不同的 python 包），有些 python 包之间可能会不兼容，这就需要我们在我们的计算机上对不同的环境配置进行隔离。隔离的方法就是创建虚拟环境。同样我们还是在 Anaconda Prompt 命令窗口下用命令行的形式创建虚拟环境。

创建虚拟环境命令：conda create -n 虚拟环境名 python=**；例如我们要创建一个名字为 mypython，python 版本为 3.6 的虚拟环境，就执行命令： conda create -n mypython python=3.6

删除虚拟环境命令：conda remove -n 虚拟环境名 --all 例如我们要删除此前创建的 mypython 虚拟环境，执行命令： conda remove -n mypython –all

激活虚拟环境的命令为：activate 虚拟环境名；例如激活 mypython 虚拟环境，执行命令： activate mypython

退出虚拟环境：deactivate 

四、安装 Tensorflow

Tensorflow 的安装方法和 python 包的安装方法一样，但是目前 Tensorflow 最稳定的版本最高支持 python3.5，更高的 python 版本安装 Tensorflow 会出现错误，因此先新建名为 tf 的、python=3.5 的虚拟环境，然后激活虚拟环境在虚拟环境下安装 Tensorflow。

1. 打开 Anaconda Prompt。
2. 新建虚拟环境：输入 conda create -n tf python=3.5 并回车，如图 1.13 所示。
3. 在建立虚拟环境的过程中同样会被问到是否进行安装，输入 y 并回车，如图 1.14

1. 激活虚拟环境：输入命令 activate tf 并回车，如图 1.15 所示，从图中可以看到在激活 tf 虚拟环境后，红框圈起来的位置由 base 变成 tf，说明虚拟环境 tf 被激活。
2. 安装 Tensorflow。输入命令：conda install tensorflow 并回车，如图 1.16 所示；在安装过程中同样会被询问是否安装，输入 y 并回车，如图 1.17 所示。
3. 对已经安装好的 Tensorflow 进行测试。

4. 在 Tensorflow 安装好后，在 tf 虚拟环境激活的情况下，在 Aanaconda Prompt 命令行中输入 python，进入 python 代码编辑模式。输入 Tensorflow 测试代码：

   import tensorflow as tf sess = tf.Session()

   a = tf.constant(17)

   b = tf.constant(3) sess.run(a+b)

   回车后输出 20，可见 Tensorflow 环境成功配置。