基于python的系统构建_搭建一个基于python的深度学习环境

最近就要学习深度学习了，怎么能没有一个合适的开发环境呢？

那么，开始吧

系统方面我选择了Ubuntu GNOME 16.04版本，因为在Ubuntu中进行配置相对于红帽系要方便一些。毕竟谁也不想正在愉快的敲代码时，突然蹦出一堆兼容性问题吧。况且，Ubuntu还可以用网易云音乐_..当然，在红帽系的系统中的配置过此应该也比较相似。

安装系统很简单，在图形界面下一路顺风，装好之后就进入酷炫的Gnome界面了

Ubuntu

安装python科学计算环境(Anaconda)

我个人选择软件就一个标准：省心～ 而帮用户解决了不少依赖问题的Anaconda自然是我的菜。我选用的是2.7版本，3.5版本的当然也是可用的。进入https://www.continuum.io/downloads 下载最新版本的Anaconda即可。

下载好Anaconda2-4.1.1-Linux-x86_64.sh之后(由于时间问题，文件名可能会有变化)，Ctrl+Alt+T打开命令行，并输入

sudo bash Anaconda2-4.1.1-Linux-x86_64.sh

然后输入密码、一路回车，安装就完成了。不过这时的IDE，也就是spyder只能通过命令行启动，而不在软件列表中。不妨再将这个模块安装一遍：

sudo apt-get install spyder

Spyder

安装深度学习框架Theano + Keras

这两个包的安装过程没有什么特别的，直接用pip安装就好了：

sudo pip install theano

sudo pip install keras

安装结束后不妨进入python，试一试这两个包能否成功import进来。

安装深度学习框架TensorFlow

说到深度学习，怎么能不谈现在红得发紫的TensorFlow呢？

Anaconda下安装TensorFlow也相对简单，按照官方文档一路前进即可：

conda create -n tensorflow python=2.7

source activate tensorflow

export TF_BINARY_URL=https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-0.10.0rc0-cp27-none-linux_x86_64.whl

pip install --ignore-installed --upgrade $TF_BINARY_URL

source deactivate

以上步骤安装的所仅使用CPU的TensorFlow，如果要安装GPU加速版本的，则需要提前安装好Cuda Toolkit 7.5 和 cuDNN v4.

陈政/arc001 原创作品转载请注明出处