人生的得与失，成与败，繁华与落寞不过是过眼烟云。而永远陪伴我们一生，如影随形、不离不弃就是心情；如同呼吸，伴你一生的心情是你唯一不能被剥夺的财富
前言
今天小编不讲Python编程，聊点别的，听闻很多朋友说，在学习编程的途中，各种开发环境数不胜数，搭建的过程也是烦甚其烦，当然，这其中，Python环境的搭建也是如此，面对Python初学者，环境搭建虽然可以简单一点，但也容易出现问题，特别是各种模块（包）的安装，出问题的概率极大，然而，对于后期的机器学习或者深度学习的，环境搭建之路，翻车事件可谓，层出不穷，后来，也就见怪不怪了，因为对于某一特定的项目，环境搭建很少一次性成功的，最后，就连自己的觉得一次性把环境搭建成功，靠的都是运气，少数是实力，当然，这样说，有点开玩笑了，不过，在网上流传这样一句话，应该有点可信程度，在学习深度学习的路上，一半的人都翻车在了搭建环境的路上，这也从侧面说明了，环境搭建的不确定性。鉴于此，今天，我们就来好好招待一下环境搭建这个问题，针对Python初学者和深度学习者，咱们，一个一个聊，对于初学者，我们建议官方的解释器，对于深度学习者我们采用Anaconda3 tensorflow-gpu的方式，希望，今天的文章，不管是初学者，还是大佬，都，不往此行，咱们，接着往下看。。
一、python初学者环境搭建
针对初学者，在环境搭建和IDE(集成开发环境)问题上，我的建议是：尽量少在这上面花太多时间。相信看过今天的文章，你能够花更少的时间在这上面，因为我们仅仅使用官方推荐的软件（解释器）即可，安装一个Python解释器即可满足大部分要求，不必为了各种炫酷的IDE而花费更多的时间，后面再去使用其他的编辑软件，如此，可以加快学习的速度。至于上面所说的解释器，初学者可能不懂是干嘛的，可以简单的理解为一个Python软件，它可以用来，编辑，运行，调试你的代码，写好代码之后，一个run就可以看到结果了，对于为什么解释器，稍微官方一点的回答是：Python是一门可解释型的语言（可能不太准确），但，事实如此。。。
1.电脑配置介绍：考虑到如今的科技产品更新迭代快速升级，大多数电脑都满足要求，一般情况下，内存大于4G(最好8G),处理器CPU i5以上，操作系统最好是win10，界面美观的同时，有着更多人性化设置，如果对于电脑配置不太懂的，可以看看我们的这篇文章电脑知识系列之（一）-------认识电脑，小编的电脑配置：
2.python 解释器安装：首先进入Python官方网站：https://www.python.org，进入后是如下画面：
看到了吧，官网界面还不错，简朴却不失典雅，色调适中，进入这个页面就要找到下载字样，正如图中我画了红色箭头的地方，点击进去，我们能够看到：
选择windows标签（什么系统就选择对应的标签）进入，你会看到：
如上图所见，你能够看到很多的版本，很多初学者不知道选择哪一个为好，诚然，当初的小编也不知道究竟哪一款是适合初学者的，幸好，有着众多前辈和采坑大神的出现，我们有了一个总结：那就是，不管是哪款解释器，尽量选择新旧版本之间的稳定版本，版本太旧，很多东西已经过时，版本太新，很多函数库，模块来不及对应更新，导致无法兼容，最终导致编程时各种报错，鉴于此，在python学习时，小编建议选择Python3.6.5版本，在上图的基础上，鼠标继续往下翻，我们找到：
由于系统是64位的windows，所以我们选择Download Windows x86-64 executable installer 版本下载，至于其他几个版本正如英文意思：压缩版本，基于网络的版本，而我们刚才所选择的是可执行版本，下载后你会得到：
下面开始安装：双击刚才下载的软件，你会看到：
记得注意图中所示三个注意的地方。
箭头1：Add Python3.6 to PATH前面的框最好选择上，这样可以保证你在windows磁盘的任意存储位置进入cmd命令窗口，进而使用Python命令行操作，因此，最好选上。
箭头2/3：2、3选择其实是同一个问题的不同做法，选择3，Python解释器将会默认安装的C盘，这是我们不愿意看到的，因为如果这样，后期很多的包也会安装到这里，因此，为了方便，我们会选择2，即自定义的安装方式，可以让我们选择安装位置，不仅限于C盘，请看下图：
根据上面的操作之后，得到上图，然后点击Next，下一步：
de
得到上图，红色箭头1：打上勾，免得以后出现其他用户不能使用的情况，红色箭头2：点击Browse,选择我们想要安装的位置（不是c盘），正如小编的：
最后选择箭头3：开始正式安装，完成后你会看到：
至此，软件的安装结束了，下面我们看看需要注意的地方和使用方法
首先检测我们的软件是否在任何环境在使用，按下win R键后，输入cmd,确定，进入命令窗口：
得到上面接口后：我们输入python，看看是否安装成功对应的版本：
从上面看出，我们的Python安装成功了，正确打印出了Python的版本信息，然后输入exit（），进行后面的操作（这个命令窗口便不要关闭，我们后面需要用来安装Python函数包）：
其余操作：为了方便后面我们下载别的Python模块包，我们需要将解释器的下载源换到中国（因为默认的软件源是国外的服务器，国内下载速度很慢）：
首先进入到路径：C:Usersfengyu（你的应该不叫fengyu）,在里面新建一个pip文件夹，然后进入里面，新建一个pip.ini文件：
切记上面文件的后缀名是ini，不要弄错，然后用记事本打开，输入以下代码：
[global]
index-url = https://mirrors.aliyun.com/pypi/simple/可以看到，我们使用的是阿里云的源。还记得上面小编说不要关闭的命令窗口吗？现在我们来安装一个Python包试试，输入以下安装命令,你会看到：
代码语言：javascript复制pip install numpy
随后，将会安装成功，我们测试一下是否如此，输入以下命令：
代码语言：javascript复制python 先输入这个
然后输入：
import numpy as np
np.__version__你会得到：
别的包安装，比如说opencv，一般情况。我们在安装模块包的时候，最好知道想要安装的版本，这样才能减少麻烦，但是如果我们是初学者不知道怎么办，还是那句老话，安装介于新旧版本之间的版本就可以了，那么现在问题来了，如何知道所有版本，然后进行选择呢，很幸运，pip有一个很好的功能，那就是当你安装某一个不存在的版本是，会提示你错误，并且给出所有的版本号供你选择，比如我们不知道安装opencv哪个版本，我们就随便输入一个你都觉得不可能存在的版本，比如3.33.333，输入安装命令：1
代码语言：javascript复制pip install opencv-python==3.33.333你将会看到，下图所示，因为我们输入的版本不存在，pip给了我们提示，因此，我们可以选择一个3.4.2.17版本的
输入命令进行安装：
代码语言：javascript复制pip install opencv-python==3.4.2.17
如上图所示，安装成功，输入下面的命令进行检测：
代码语言：javascript复制python 先输入这个
然后输入：
import cv2 # 这个就是导入opencv
cv2.__version__
如上图所示，测试成功，没有出现任何差错。
接下来，看看如何使用软件，
点击桌面开始，可以看到，我们刚才安装的python解释器：
选择最上面一个打开，你将会看到，如下界面：
尝试输入以下代码，并点击run,选择第三个run module：
代码语言：javascript复制#coding:utf-8
print("欢迎来到--IT进阶之旅公众号--")
然后会弹出保存提示，选择确定：
接着选择一个合适的位置，最好新建一个以后都要放代码的位置（莫要选择C盘），然后输入当前文件你想要的名字，如test01.py(python文件都要以这个结尾)，点击确定保存：
最后，得到输出结果：
怎么样，上面的操作还算简单吧，只要环境如上面所示成功，我们就可以继续学习Python了，赶快输入我们公众号的代码代码尝试吧。
以上就是小编推荐的初学者的Python环境搭建之路，简单有效，另外，下面的深度学习环境配置，初学者也可以看看下面Anaconda安装和虚拟环境配置内容，因为以后可能涉及到不同Python版本的管理,这将是十分有用的操作。
二、深度学习环境搭建
众所周知，深度学习环境搭建的过程非常残酷，动不动的一天就会耗在环境上，特别是GPU版本的环境，死在这条路上的人不计其数，只有打不死的小强，才能走到最后，比如小编（哈哈。开个玩笑而已），就算他很难，我们也会偏向虎山行，现在大部分都是在Linux系统上进行搭建，然后小编暂时还不想放弃windows平台，因此，对于深度学习，我们的最终方案是：
windows10 Anaconda Tensorflow1.12.0的配置方式
至于为什么选择anaconda?我们来看看百度的解释：
Anaconda不是语言，它只是python的一个集成管理工具或系统，它把python做相关数据计算与分析所需要的包都集成在了一起，我们只需要安装Anaconda软件就行了，其它什么都不用装，包括python软件。Anaconda则是一个打包的集合，里面包含了720多个数据科学相关的开源包，在数据可视化、机器学习、深度学习等多方面都有涉及。不仅可以做数据分析，甚至可以用在大数据和人工智能领域。另外，安装它后就默认安装了python、IPython、Jupyter notebook和集成开发环境 Spyder等等。总之一句话，安装anaconda让我们省去了大量下载模块包的时间，更加方便。
由于到了这个部分，我们已经不是是初学者了，所以，后面的操作方式，我们只会提及重点，而不会一一的解释，只有不断反复的磨练，各种犯错，我们终将会成为打不死的小强，走向那遥遥可知的‘’大神之路‘’。
一、Anaconda下载：如同上面一样，进入官网
https://www.anaconda.com/distribution/
选择windows版本，Anaconda3.7版本下载:
二、安装过程简述：
下载有点慢，请耐心等待，另外可以使用idm(百度IDM破解版安装，然后新建任务，把下载链接复制进去)多线程下载。
安装包下载直接双击安装，同意，next操作，安装位置最好选择D盘之类的，注意下面图中信息：
安装进行到这里的时候，两个框都勾选，最后安装完成。
三、深度学习环境配置：
1.打开桌面开始的anaconda命令窗口，修改软件源：
输入以下代码：
代码语言：javascript复制conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/main/
conda config --set show_channel_urls yes我们可以看下当前anaconda存在的基础环境（也就是说，安装了它，他就会自动安装一个基础环境，我们可以不再安装Python了，但是不一定符合我们的要求，选择使用：
可以看到base基础环境已经存在，一般为当前最新的Python版本，另外可以看到小编有了其他的环境，我们在后面讲解如何使用这些不同的环境。
2.新建虚拟环境：下来问一个问题，为什么要安装新建虚拟环境，答案是，由于我们的学习需要使用不同的Python版本(python3.5,3.6,3.7)和深度学习各种框架
(Tensorflow,keras,pytorch)等等，因此，创建虚拟环境就可以，共同存在，互不干涉，最终形成一个电脑多python环境的平台。
操作一，输入以下以下命令，创建一个名字为TF，python版本为3.6.5的虚拟环境：
代码语言：javascript复制conda create -n TF_test python=3.6.5 
输入yes进行虚拟环境安装，
代码语言：javascript复制安装成功之后，输入下面的命令查看当前存在的虚拟环境，是否包含刚才操作额
conda env list #查看当前存在的虚拟环境
如上图所示，我们的虚拟环境已经创建成功了，激活我们创建的虚拟环境，进行深度学习框架的安装，输入命令：
代码语言：javascript复制conda activate TF_test # 激活TF_test虚拟环境
确保箭头2是我们想要的名字，即表示激活，此处有问题：如果我们不激活刚才创建的环境，或者说为啥要激活刚才的环境，因为我们的项目就是要在刚才所想要的环境工作，必须激活才能进入使用，如果不激活，就会是基础环境，到那时基础环境里面并不是我们想要的Python版本，如此，以后想要使用不同的Python版本，几乎都是激活进入不同的虚拟环境中，这样讲解应该很明白吧。
其实，这一步骤之前的操作，初学者也可以多看看，虚拟环境搭建成功，就如同上面安装的软件一样，进入它的命令窗口 然后激活特定环境，之后都是一样的操作，比如pip 安装啥的，如下图所示：
如此，虚拟环境中，我们也安装了opencv,其他模块也是如此。
下面就正式介绍Tensorflow-gpu版本的安装了：
为什么要安装Tensorflow-gpu版本而不是CPU版本呢，因为GPU版本我们可以使用显卡进行加速深度学习的训练而CPU版本就没有加速一说了，当然CPU的版本安装也就变得简单多了，几乎一条命令就解决了，如下：
代码语言：javascript复制pip install tensorflow==1.11.0 #目前1.10-12版本都比较稳定但是我不建议这样做，因为GPU版本，我们才能体验真正的深度学习，加速学习。
GPU版本安装前提：首先要安装好显卡驱动，这一步在装系统时就应该用驱动精灵等工具进行安装，然后需要安装CUDA,与当前的显卡驱动程序配套，这里推荐一篇文章
https://www.cnblogs.com/yang520ming/p/10677110.html，我就不重点介绍了，因为比较简单。执行下面的命令，安装对应版本的CUDA，例如小编的就是10.1,在前面的链接中只需要关注安装CUDA这一步和添加环境变量就好了，剩下的回到这里。
如果上面的操作都没有问题，我们继续进行安装，激活TF_test环境 安装cudatoolkit 及cudnn，首先，查看可供安装的版本：
代码语言：javascript复制conda search cudatoolkit
正如上面所说，我们选择10.0.130版本的 安装：
代码语言：javascript复制conda install cudatoolkit==10.0.130
安装成功，紧接着：
代码语言：javascript复制conda search cudnn
如上图所示，有着多个cudatoolkit版本对应cudnn,我们既不择新，也不厌旧，所以我们选择cudnn7.6.4就好：
代码语言：javascript复制conda install cudnn==7.6.4
安装成功如上图，接下来安装tensorflow-gpu1.13.0:
conda install tensorflow-gpu==1.13.0
如图，等待自动安装成功。
测试：
代码语言：javascript复制首先进入 Python
然后：import tensorflow as tf
tf.__version__
至此，深度学习环境安装完毕，请各位老铁们实践为好，如果遇到安装tensorflow最后一步失败的情况，将Python版本设置为3.6.9版本：
代码语言：javascript复制conda install python==3.6.9 # 如此 再继续安装tensorflow-gpu即可结语：
python 环境配置终于结束了，但是，其中的坑还远远没有踩完，走向编程之路，我们的余生或许都会与踩坑中度过，在踩坑中成长，历练，最终修身成人，虽然，我的教程一路都是顺风顺水，不过，这都是小编踩过坑之后，选择了一个最好的方式为大家讲解，只希望大家少走一点弯路，少踩一点不必要的坑，当然，如果所有的坑都被你无情的避开了，那编程之路之路也就少了一点色彩，愿今天的文章能够带给大家全新的理解，最终大家都共同进步，走向大神之路，感谢，大家对我们IT进阶之旅公众号的关注，我们都是知识的分享者，共同学习，共同进步，是我们所有居士的目标，砥砺前行！
编辑：玥怡居士|审核：小圈圈居士
