2.1 Anaconda
2.1 anaconda
python是深度学习领域的网红，几乎所有的深度学习框架都支持python，甚至仅支持python。python在给开发者带来各种便利的同时，其复杂的包管理与环境管理也一直困扰着开发者。本书推荐使用anaconda进行python环境的搭建，大量实践证明anaconda具有工业级的稳定性，同时使用便捷，下面我们详细介绍anaconda。
anaconda是一个用于科学计算的python开发平台，支持linux、mac和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conda命令来进行包和环境的管理，并且已经包含了python和相关的配套工具。如图2-2所示，anaconda集成了大量的机器学习库以及数据处理必不可少的第三方库，比如numpy、scipy、scikit-learn以及tensorflow等。
图2-2 anaconda框架
anaconda的安装非常方便，如图2-3所示，从其官网的下载页面选择对应的安装包，以我的mac本为例，选择macos对应的图形化安装版本。
图2-3 anaconda下载页面
点击安装包，选择安装的硬盘，通常mac本也只有一块硬盘，使用默认安装即可，如图2-4所示。
图2-4 anaconda安装界面
使用默认配置进行安装，安装完成后出现如图2-5所示的界面。
使用如下命令查看当前用户的profile文件的内容：
cat ~/.bash_profile
图2-5 anaconda安装结束界面
我们可以发现，在当前用户的profile文件的最后增加了如下内容：
# added by anaconda2 5.0.0 installer
export path="/anaconda2/bin:$path"
表明已经将anaconda的bin目录下的命令添加到了path变量中，可以像使用系统命令一样直接使用anaconda的命令行工具了。
anaconda强大的包管理以及多种python环境并存使用主要依赖于conda命令，常用的conda命令如下：
# 创建一个名为python27的环境，指定python版本是2.7
conda create --name python27 python=2.7
# 查看当前环境下已安装的包
conda list
# 查看某个指定环境的已安装包
conda list -n python27
# 查找package信息
conda search numpy
# 安装package
conda install -n python27 numpy
# 更新package
conda update -n python27 numpy
# 删除package
conda remove -n python27 numpy
假设我们已经创建一个名为python27的环境，指定python版本是2.7，激活该环境的方法如下：
source activate python27
如果要退出该环境，命令如下所示：
source deactivate
在python27的环境下查看python版本，果然是2.7版本：
maidou:3book liu.yan$ source activate python27
(python27) maidou:5book liu.yan$
(python27) maidou:5book liu.yan$ python
python 2.7.14 |anaconda, inc.| (default, oct 5 2017, 02:28:52)
[gcc 4.2.1 compatible clang 4.0.1 (tags/release_401/final)] on darwin
type "help", "copyright", "credits" or "license" for more information.
>>>
查看python27环境下默认安装了哪些包，为了避免显示内容过多，过滤前6行查看：
conda list | head -6
# packages in environment at /anaconda2/envs/python27:
#
ca-certificates 2017.08.26 ha1e5d58_0
certifi 2017.7.27.1 py27h482ffc0_0
libcxx 4.0.1 h579ed51_0
libcxxabi 4.0.1 hebd6815_0
统计包的个数，除去2行的无关内容，当前环境下有16个包：
conda list | wc -l
18
查看目前一共有几个环境，发现除了系统默认的root环境，又多出了我们创建的python27环境：
conda info --envs
# conda environments:
#
python27 /anaconda2/envs/python27
root * /anaconda2
在python27环境下安装anaconda默认的全部安装包，整个安装过程会比较漫长，速度取决于你的网速：
conda install anaconda
fetching package metadata ...........
solving package specifications: .
package plan for installation in environment /anaconda2/envs/python27:
继续统计包的个数，除去两行的无关内容，当前环境下已经有238个包了：
conda list | wc -l
240
anaconda默认安装的第三方包里没有包含tensorflow和keras，需要使用命令手工安装。以tensorflow为例，可以使用conda命令直接安装：
conda install tensorflow
同时，也可以使用pip命令直接安装：
pip install tensorflow
本书一共创建了两个环境，分别是python27和python36，顾名思义，对应的python版本分别为2.7和3.6，用于满足不同案例对python版本的不同要求。
python是深度学习领域的网红，几乎所有的深度学习框架都支持python，甚至仅支持python。python在给开发者带来各种便利的同时，其复杂的包管理与环境管理也一直困扰着开发者。本书推荐使用anaconda进行python环境的搭建，大量实践证明anaconda具有工业级的稳定性，同时使用便捷，下面我们详细介绍anaconda。
anaconda是一个用于科学计算的python开发平台，支持linux、mac和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conda命令来进行包和环境的管理，并且已经包含了python和相关的配套工具。如图2-2所示，anaconda集成了大量的机器学习库以及数据处理必不可少的第三方库，比如numpy、scipy、scikit-learn以及tensorflow等。
图2-2 anaconda框架
anaconda的安装非常方便，如图2-3所示，从其官网的下载页面选择对应的安装包，以我的mac本为例，选择macos对应的图形化安装版本。
图2-3 anaconda下载页面
点击安装包，选择安装的硬盘，通常mac本也只有一块硬盘，使用默认安装即可，如图2-4所示。
图2-4 anaconda安装界面
使用默认配置进行安装，安装完成后出现如图2-5所示的界面。
使用如下命令查看当前用户的profile文件的内容：
cat ~/.bash_profile
图2-5 anaconda安装结束界面
我们可以发现，在当前用户的profile文件的最后增加了如下内容：
# added by anaconda2 5.0.0 installer
export path="/anaconda2/bin:$path"
表明已经将anaconda的bin目录下的命令添加到了path变量中，可以像使用系统命令一样直接使用anaconda的命令行工具了。
anaconda强大的包管理以及多种python环境并存使用主要依赖于conda命令，常用的conda命令如下：
# 创建一个名为python27的环境，指定python版本是2.7
conda create --name python27 python=2.7
# 查看当前环境下已安装的包
conda list
# 查看某个指定环境的已安装包
conda list -n python27
# 查找package信息
conda search numpy
# 安装package
conda install -n python27 numpy
# 更新package
conda update -n python27 numpy
# 删除package
conda remove -n python27 numpy
假设我们已经创建一个名为python27的环境，指定python版本是2.7，激活该环境的方法如下：
source activate python27
如果要退出该环境，命令如下所示：
source deactivate
在python27的环境下查看python版本，果然是2.7版本：
maidou:3book liu.yan$ source activate python27
(python27) maidou:5book liu.yan$
(python27) maidou:5book liu.yan$ python
python 2.7.14 |anaconda, inc.| (default, oct 5 2017, 02:28:52)
[gcc 4.2.1 compatible clang 4.0.1 (tags/release_401/final)] on darwin
type "help", "copyright", "credits" or "license" for more information.
>>>
查看python27环境下默认安装了哪些包，为了避免显示内容过多，过滤前6行查看：
conda list | head -6
# packages in environment at /anaconda2/envs/python27:
#
ca-certificates 2017.08.26 ha1e5d58_0
certifi 2017.7.27.1 py27h482ffc0_0
libcxx 4.0.1 h579ed51_0
libcxxabi 4.0.1 hebd6815_0
统计包的个数，除去2行的无关内容，当前环境下有16个包：
conda list | wc -l
18
查看目前一共有几个环境，发现除了系统默认的root环境，又多出了我们创建的python27环境：
conda info --envs
# conda environments:
#
python27 /anaconda2/envs/python27
root * /anaconda2
在python27环境下安装anaconda默认的全部安装包，整个安装过程会比较漫长，速度取决于你的网速：
conda install anaconda
fetching package metadata ...........
solving package specifications: .
package plan for installation in environment /anaconda2/envs/python27:
继续统计包的个数，除去两行的无关内容，当前环境下已经有238个包了：
conda list | wc -l
240
anaconda默认安装的第三方包里没有包含tensorflow和keras，需要使用命令手工安装。以tensorflow为例，可以使用conda命令直接安装：
conda install tensorflow
同时，也可以使用pip命令直接安装：
pip install tensorflow
本书一共创建了两个环境，分别是python27和python36，顾名思义，对应的python版本分别为2.7和3.6，用于满足不同案例对python版本的不同要求。