深度学习CPU版本环境搭建（从anaconda-＞pycharm-＞tensorflow）

前言：其实当自己写下这个搭建过程的时候，自己已经碰壁很多了，所幸一路上还是有csdn博客论坛指导，特别鸣谢小艾童鞋熬夜写了一份安装指南给我，以及廖大师兄的悉心引导。所以自己也想根据经验，写下基于CPU。
本人电脑：windows10 操作系统+集显（基于CPU操作）
在这之前，还需要介绍几款英文名字之间联系：
python：是一种高级编程语言，和C语言的性质一样，是编程的一种，类似于我们以前学习的的MATLAB，C，C++， python带有一种IDEL，可以写一些小开发，但是要做深度学习，依然需要我们学习更多的配置等）
anaconda：是一个python环境管理器，包含了很多的科学包，python包也在其中。
Pytorch:开源深度学习框架，界面友好，易于上手。
几款常用的IDE：**
Pycharm：可以自己编程验证能否运行，当然对于大型的数据，扔到服务器即可，加上相关 CPU转GPU的语句
Spyder:是使用Python编程语言进行科学计算的集成开发环境，性质和pycharm类似，但是在anaconda安装的同时就附带安装了，
Jupyter notebook：性质和pycharm类似，也是在anaconda安装的同时就附带安装了，界面友好，可有网页版。
（提供一个网址，详细看看更多的IDE：http://www.runoob.com/python/python-ide.html 这个菜鸟教程其实真的挺好的呢。)
CPU深度学习环境搭建流程：
1. Anaconda安装（一个安装anaconda3的教程：https://blog.csdn.net/ychgyyn/article/details/82119201， 亲测有效）
https://www.anaconda.com/distribution/ (官网下载地址），根据自己的版本进行选择。安装到最后的时候，会提示一个pycharm的下载地址，尽管在安装anaconda，自带的spyder和jupter notebook已经够用。（pycharm根据个人选择使用，楼主下载了，这里提供下载地址：https://www.jetbrains.com/pycharm/， 依然需要选择对应的版本，下面红框是我的选择）
☆ 一定记得关闭360等杀毒软件,否则安装不完全，很多插件配置都无法正常安装。

Part.1
打开 Anaconda Prompt， 你会看到一个类似cmd的黑色运行框，这是基于anaconda命令的。
Part.2
conda create -n environment_name python=3.7 (注意create之后有个空格。python=3.7是我自己的版本，你们下载的什么就是什么版本啦，然后environment_name 表示的是你自己的一个环境名字，可以随意命名，以后的深度学习环境都是基于这个命名环境下，列如我自己的：conda create -mantiwang2 python=3.7 ）
Part.3
激活当前环境：activate mantiwang2（environment_name)
Part.4
退出当前环境：deactivate mantiwang2

3.Pytorch的安装，红色部分是我自己的选择，由于基于CPU，我们不需要考虑CUDA,CUDNN等配置，所以 CUDA部分选择None（ 在GPU配置下搭建深度学习换景的不同就在这里开始了，这里先不做细说）
（注意：在pytorch下载安装过程中，选好相关 pytorch build，your OS，package，language，CUDA之后，下面有一个 “run this command”，该指令表示，在anaconda prompt 命令中运行即可安装对应版本，在windows server 服务器系统中中，该网页可能不能进行版本选择，因此，只需要在自己的windows，os系统下看一下该指令，再去windows server系统中运行该指令即可。）
如果用spyder作为编辑器，是不需要做其他配置的，如果是用pycharm作为编辑器，需要做额外的配置，详细请看网站：https://www.cnblogs.com/mjhr/p/10472701.html#_label0
Tensorflow，windows10环境下的安装
Anaconda3 安装Spyder 测试Tensorflow安装成功 https://blog.csdn.net/qq_36556893/article/details/79435749 （第一次失败可尝试第二次，注意是在anaconda的命令环境下进行安装，不是系统cmd）
结束之后可以在pycharm中打开，运行 import tensorflow as tf， 看是否报错。若没有报错，说明成功导入。
（注意：我们在pycharm中选择解释器（interpreter）的时候，可以选择自己搭建好的环境，例如，我们在anaconda prompt里面激活 ：activate tensorflow-gpu, 然后在这里面pip install matplotlib等配置，便可以选择该目录下的python.exe 解释器）
有问题欢迎留言 不能及时回复欢迎邮件咨询： [email protected]