文章目录

• python环境配置（Anaconda安装）
• pycharm使用简介
• Anaconda环境问题解决方案
• Anaconda的Channel更改——换下载源
• Anaconda模块和包的安装问题解决方案（后期整理补上）
• tensorflow下载以及安装问题（后期整理补上）
• pytorch下载及相关问题（后期整理补上）

python环境配置（Anaconda安装）

什么是Anaconda/strong>

Anaconda是一个包管理器——简单地说，就是对python相关的包进行下载和管理。并且，它还允许创建不同的虚拟环境，以提供不同的工作环境需求。

为什么需要安装Anaconda/strong>

如果直接下载python环境，我们最直接的体会就是，在下载一个包时，还会需要下一系列依赖的包或者模块——但是我们使用Anaconda，那么我们可以在下在一个模块时，会自动选取相应的依赖一并下载。

1. 下载Anaconda
   https://blog.csdn.net/weixin_44604887/article/details/105453396
2. 安装Anaconda
   https://blog.csdn.net/weixin_44604887/article/details/105453396
3. 测试安装情况
   https://blog.csdn.net/weixin_44604887/article/details/105453396
4. Anaconda常用命令
   https://blog.csdn.net/weixin_44604887/article/details/105454468

pycharm使用简介

为什么使用pycharm/strong>

方便我们创建完整的项目和管理项目；同时提供我们一些列相关的便捷功能。——简单点说，它是我们使用python时，一个不错的工具。

下载方式（直接百度吧，都有的——至于q，那啥，咱还是工作再说吧，学习就先这样用着。）

1. 安装pycahrm（略）
2. 创建新项目以及代码文件
   https://blog.csdn.net/weixin_44604887/article/details/105455783
3. 配置项目工作环境
   https://blog.csdn.net/weixin_44604887/article/details/105455783
4. 配置下载源——提高下载效率
   https://blog.csdn.net/weixin_44604887/article/details/104443577
5. 下载包和模块
   https://blog.csdn.net/weixin_44604887/article/details/104443577
6. Debug进程演示
   https://blog.csdn.net/weixin_44604887/article/details/105456267
7. 绘图结果展示区域
   https://blog.csdn.net/weixin_44604887/article/details/105457033

Anaconda环境问题解决方案

为什么需要创建环境/strong>

当我们在完成不同的工作时，python都能给我们提供不同的快捷包，是我们更好的完成需求——但是，同样的，因为越来越多的包使得我们的python环境变得很大，很繁杂。

对python本身或许不是很大的问题，但是当我们使用一些集成环境时，比如pycharm，他在应用环境时，会索引——这时，包多就索引多，索引多花的时间也就多了。

而且此外，如果对于某项工作，既要保证py2又要py3，那么我们采用下载安装python本身的环境就会比较麻烦。（当然，一般不会py2和py3交叉使用的，基本都是固定某一种，或者做更改为统一的版本。）

解决以上问题——可以采用Anaconda包管理下的虚拟环境创建，以创建不同工作需要的不同的环境，可多元化配置。

1. 命令查看已有环境
   https://blog.csdn.net/weixin_44604887/article/details/105454468
2. 创建新环境
   https://blog.csdn.net/weixin_44604887/article/details/105454468
3. 运行新环境
   https://blog.csdn.net/weixin_44604887/article/details/105454468
4. 退出当前环境/运行其它环境
   https://blog.csdn.net/weixin_44604887/article/details/105454468

Anaconda的Channel更改——换下载源

为什么需要更改源br>
conda默认下载源为国外源——所以，下载速度和稳定性不言而喻（对于不方便科学上网的同学）。

所以，我们可以改换为国内的镜像源——什么是镜像源，这里就不做过多解释了，只需要知道换用国内镜像源，可以是我们下载conda包会更加稳定和迅速。

1. 添加Channel
   https://blog.csdn.net/weixin_44604887/article/details/105454468
2. 测试换源是否成功(channel是否添加成功)
   https://blog.csdn.net/weixin_44604887/article/details/105454468

Anaconda模块和包的安装问题解决方案（后期整理补上）

为什么会出现安装问题br>
不支持当前环境，版本不支持；本地配置异常；缺少依赖项……问题不尽相同，但是总有解决的方法。

这里仅提供部分比较常见问题的有效解决方法。

1. conda版本不支持，更新conda
2. 包下载后不能引用，需要更新对应的支持模块
3. Http解析错误的可能原因，重新安装Anaconda

tensorflow下载以及安装问题（后期整理补上）

为什么选择tensorflowbr>
渴望智能，是一种会让人着迷的知识、一种技术。但是，对于神经网络的构建，却是不那么容易的。如果让你从一开始的人为神经元创建，神经元之间的传递方式，以及最有表现意义的网络层结构等等都是十分麻烦的，所以这时候，如果有现成的框架，我们只需要把我们需要的部分调用，再设计，再修改会方便很多。

人工智能的框架虽然有很多，但是在众多的框架中，tensorflow也算是一位元老级‘人物’了——它稳定且可以很好的使用于一些常见的人工智能应用领域。

1. 神经网络的开源框架
2. 易学，性能稳定
3. 适用环境广

pytorch下载及相关问题（后期整理补上）

为什么选择pytorchbr>
说到pytorch，你想必也会想到tensorflow——因为它们在人工智能方面应用都很多。而为什么推荐pytorch呢，或许他不如tensorflow那么简单，但是呢，如果你掌握了它，它会让你的计算/训练/预测变得相对更迅捷，同时也可以作为数据科学研究的一个不错的工具。

1. 数据处理能力强，运算更为快捷
2. 提供人工智能框架

文章知识点与官方知识档案匹配，可进一步学习相关知识Python入门技能树人工智能机器学习工具包Scikit-learn209349 人正在系统学习中

来源：NULL not error