一、电脑配置

二、Anaconda介绍

1、  什么是anaconda？

Anaconda是专注于数据分析的Python发行版本，包含了conda、Python等190多个科学包及其依赖项。

Anaconda是一个用于科学计算的Python发行版，支持 Linux,Mac, Windows系统，提供了包管理与环境管理的功能，可以很方便地解决多版本python并存、切换以及各种第三方包安装问题。Anaconda利用工具/命令conda来进行package和environment的管理，并且已经包含了Python和相关的配套工具。

2、  什么是conda？

conda 是开源包（packages）和虚拟环境（environment）的管理系统。

l  packages 管理：可以使用 conda 来安装、更新、卸载工具包，并且它更关注于数据科学相关的工具包。在安装 anaconda 时就预先集成了像 Numpy、Scipy、 pandas、Scikit-learn 这些在数据分析中常用的包。另外值得一提的是，conda 并不仅仅管理Python的工具包，它也能安装非python的包。比如在新版的 Anaconda 中就可以安装R语言的集成开发环境 Rstudio。

l  虚拟环境管理：在conda中可以建立多个虚拟环境，用于隔离不同项目所需的不同版本的工具包，以防止版本上的冲突。对纠结于 Python 版本的同学们，我们也可以建立 Python2 和 Python3 两个环境，来分别运行不同版本的 Python 代码。

两者区别：

conda可以理解为一个工具，也是一个可执行命令，其核心功能是包管理与环境管理。包管理与pip的使用类似，环境管理则允许用户方便地安装不同版本的python并可以快速切换。

Anaconda则是一个打包的集合，里面预装好了conda、某个版本的python、众多packages、科学计算工具等等，所以也称为Python的一种发行版。其实还有Miniconda，顾名思义，它只包含最基本的内容——python与conda，以及相关的必须依赖项，对于空间要求严格的用户，Miniconda是一种选择。

3、  anaconda的优点

Anaconda的优点总结起来就八个字：省时省心、分析利器。

l  省时省心：Anaconda通过管理工具包、开发环境、Python版本，大大简化了你的工作流程。不仅可以方便地安装、更新、卸载工具包，而且安装时能自动安装相应的依赖包，同时还能使用不同的虚拟环境隔离不同要求的项目。

l  分析利器：在Anaconda官网中是这么宣传自己的：适用于企业级大数据分析的Python工具。其包含了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

参考资料：

http://www.jianshu.com/p/169403f7e40c

http://python.jobbole.com/86236/

三、anaconda下载

32位：

http://pan.baidu.com/s/1bo3CXjD

64位：

https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/Anaconda3-4.2.0-Windows-x86_64.exe

1、  本次安装选用的是64位的。

2、  安装流程参考：

https://jingyan.baidu.com/article/9113f81b6e38cc2b3214c7af.html

问题：Navigator不能打开

3、设置国内镜像命令

Anaconda 安装成功后接下来需要设置 Anaconda 仓库镜像，因为默认连接的是国外镜像地址，下载速度比较慢，因此把镜像地址改为清华大学开源软件镜像站，打开AnacondaPrompt,输入：

然后.condarc 文件应该是以下内容或者可以直接修改该文件的内容设置镜像：

        使用conda list命令查看安装后anaconda中的所有包。

   参考：https://jingyan.baidu.com/article/1876c8527be1c3890a137645.html

4、在安装Anaconda之前，已经安装过一个Python版本了，但是又不想删除这个Python版本，该怎么办呢？

两步：

-         在系统环境变量中找到对应之前安装Python的路径并删除；

-         直接将你原来安装python的整个文件夹拷贝到envs的目录下，激活该版本python的名称就是文件夹名。

环境变量分为系统环境变量和用户环境变量：系统环境变量对所有用户起作用；用户环境变量只对当前用户起作用。

之前安装的python2.7的环境变量属于系统环境变量：“D:\python\Scripts;D:\python;”

再在cmd中输入python 就会显示是Anaconda自带的版本了，否则还是现实之前安装的python。

5、  查看Anaconda中python版本与环境管理

cmd中输入命令：conda env list显示所有环境

cmd 中输入命令行：conda info –e 显示所有python版本

使用activate激活某个环境：

activate env_python27（对于windows）

source activate env_python27（对于linux和mac）

检查python的版本号：

          python –version

使用deactivate返回默认的python环境：

        deactivateenv_python27（对于windows）

source deactivate env_python27（对于linux和mac）

        参考资料：https://www.cnblogs.com/yamin/p/7111397.html

6、  anaconda中添加python版本和删除python版本

（1）在anaconda中添加新的python版本

在Anoconda中，用户以后安装的python会存放anaconda安装目录下在envs文件中。使用命令行：

conda create -n env_python35 python=3.5

或者condacreate --name env_python35 python=3.5

其中环境名称为env_python35， 选用的python版本为3.5 。

（2）删除一个已有环境

使用命令行：

conda remove --name env_python35 --all

7、  Windows下Anaconda和PyCharm的使用

在创建python工程时选择相应的python版本，进入pytharm后点击Create NewProject，进入如下图的界面。图中的Location是选择你创建python工程的位置及工程名字，如图所示，我的工程目录为“D:\PyCharm\PyCharm Community Edition 2016.1.2\myprogram\test”，工程名字为test（可以随便取）；图中的Interpreter是你安装Python的解释器，默认的情况下已经帮你选择好，目录为Anaconda的安装目录下的python.exe文件。选择好后，点击create。

也可以点击上图中的红色框框，选择addlocal添加其他python解释器，也就是不同版本的python。

参考资料：http://blog.csdn.net/yggaoeecs/article/details/78378938

Pytharm安装：http://blog.csdn.net/qq_29883591/article/details/52664478

8、  anconda管理python包

可以使用conda安装也可以使用pip安装。

conda一些常用的操作：

conda list：查看当前环境下已安装的包

conda list -n python35：查看某个指定环境的已安装包

conda search numpy：查找package信息

conda install -n python35 numpy：安装package（如果不用-n指定环境名称，则被安装在当前活跃环境，也可以通过-c指定通过某个channel安装）

conda update -n python35 numpy：更新package

conda remove -n python35 numpy：删除package

conda update conda：更新conda，保持conda最新

conda update anaconda：更新anaconda

conda update python：更新python（假设当前环境是python3.5, conda会将python升级为3.4.x系列的当前最新版本）

（1）安装tensorflow：因为TF仅仅对python3.5的支持比较好。将开发环境切换至env_python35（activate env_python35），使用命令行进行安装。

方案一：

activateenv_python35

pip install --upgrade--ignore-installed tensorflow

安装失败

参考资料：http://blog.csdn.net/r1254/article/details/76735740

方案二：

首先选择安装CPU版本tensorflow，也可以安装GPU版本tensorflow。

CPU版本tensorflow：

1. pip install --ignore-installed --upgrade https://storage.googleapis.com/tensorflow/windows/cpu/tensorflow-1.1.0-cp35-cp35m-win_amd64.whl

GPU版本tensorflow：

1. pip install --ignore-installed --upgrade https://storage.googleapis.com/tensorflow/windows/cpu/tensorflow-1.1.0-cp35-cp35m-win_amd64.whl

由于国外的镜像下载比较慢，所以可以使用的是清华大学镜像仓库，下载速度会比较快。

CPU版本tensorflow：

1. pip install -i https://pypi.tuna.tsinghua.edu.cn/simple/https://mirrors.tuna.tsinghua.edu.cn/tensorflow/windows/cpu/tensorflow-1.1.0-cp35-cp35m-win_amd64.whl

GPU版本tensorflow：

1. pip install –i https://pypi.tuna.tsinghua.edu.cn/simple https://mirrors.tuna.tsinghua.edu.cn/tensorflow/windows/gpu/tensorflow_gpu-1.1.0-cp35-cp35m-win_amd64.whl

也可以打开 https://mirrors.tuna.tsinghua.edu.cn/tensorflow/ 选择合适的 whl 文件地址进行安装；或者打开https://mirrors.tuna.tsinghua.edu.cn/help/tensorflow/可视化选择 whl 版本。

安装成功

参考资料：http://blog.csdn.net/love666666shen/article/details/77099843

（2）