Anaconda安装机器学习环境（tensorflow）

安装机器学习环境依赖库的时候，由于python版本的多样和并存，导致与pip对应的版本有时候也不一致，因此使用Anaconda安装虚拟环境，进而解决python多版本并存，切换问题。

1.Anaconda功能介绍

（1）提供了包管理功能。
（2）提供环境管理功能，解决了多版本的python并存切换问题。

2.Anaconda下载

直接到官方网站官网下载，对应的有Windows，macOS，Linux系统下的，同时对应的python版本有3.7，有2.7，选择相应的即可，具体要查看你的配置参数。

3.conda命令管理

安装成功后，conda会默认加入到环境变量中，因此可以直接在命令行运行命令conda
（1）创建虚拟环境

conda create -n tensorflow

（2）激活环境

conda activate tensorflow

这里建议直接写到脚本里，在启动时直接启动环境

vim ~/.bashrc

写好后，source一下即可

source ~/.bashrc

（3）查看pip版本，下载，安装

pip -V

conda install pip

pip install --upgrade pip

升级完后，查看版本就会发现，python和对应的pip版本一致
（4）安装依赖库
原则就是能用conda安装就安装，如果没有对应的库，就用pip装，都装不上再用源码装
例如安装numpy:

conda install numpy

安装tensorflow：
先在官网上下载对应的编译过的tensorflow包，这样就会编译得快，而且不容易出错，比如在arm系统上通过github下载https://github.com/lhelontra/tensorflow-on-arm/releases选择对应的tensorflow版本，以及对应的python版本

pip install tensorflow-1.14.0-cp37-******.whl

（5）退出当前环境

conda deactivate tensorflow

（6）删除该环境

conda remove -n tensorflow --all

注意在使用pip命令的时候，提示权限不足的时候，一定不要用sudo，因为sudo是机器的python版本，可能和你的虚拟环境的版本不一致，可以采用–user解决权限问题：

pip install --user sklearn

如果在安装过程中，报错，缺乏相应的依赖库，就缺什么，安装什么。原则还是先conda，后pip，实在不行用源码。