深度学习最小功能集搭建

效率和上手简易性成反比。

有的时候，并不一定需要华丽的界面和简易上手，命令行才是王道。

conda安装：

现在大部分人使用的是anaconda，这是一个对conda包装了之后添加了编辑器之后的软件，每次打开这个软件都是慢的不成体统，下面就教大家怎么使用核心的东西完成自己的深度环境搭建。因为在远程服务器上面，谁还会用界面，留下了最核心的组件，其它的哪怕是再好也对你的工作是一负担。

使用过virtualenv的朋友肯定对python虚拟环境不陌生，虚拟环境的出现时为了在同一个系统和用户环境下，可以同时存在不同版本的python及其package的版本。想象一下现在如果没有虚拟环境，你要开发的软件需要使用packageA的1.0 版本，然后在另一个开发软件中使用的是1.1版本，这就造成了版本冲突。而且不同的用户如果使用的是同一个python环境的话，那么也会造成用户之间的行为冲突。python虚拟环境起的作用就是隔离用户和用户操作。如果我一不小心更新了东西之后，并不会影响别的虚拟环境和其它用户的操作。多么的简单优雅。

在github上面，查找conda并按照readme里面的提示，到conda的分发网站上面下载对应系统和版本的conda按照程序，在服务器上面直接安装就可以了。

关于conda和pip安装的不同。经过试验，两者不会共享安装列表，也就是python的package。既然安装了conda之后，name我们就使用conda的命令行来完成安装吧。但是需要注意的一点就是一定在安装之前看清楚conda给出的命令反馈。因为conda做了依赖性处理，每次安装新的package的时候，它总是会给出依赖的各种包选项，这样问题就来了，我已经安装了tensorflow-gpu版本的，现在conda的依赖默认的是tensorflow-cpu版本的。解决这个问题的方法十分的简单，那就就是手动安装keras。去github网站上面将keras的包clone到服务器上，记住有的开发包如果有tag，就选tag版本的分支，没有的话一定选稳定的版本，千万不要去追逐最新的开发版本。

下面就用conda install进行各种开发虚拟环境的create并在虚拟环境中进行自由的开发吧。