【深度学习_环境（一）】python 的开发工具了解

深度学习第一步，下载开发工具 + 配置环境

理清下载顺序，不然很容易报错，最后找到同一个教学视频进行完整学习。网上的帖子一般只针对某种环境下的解决方法，不要盲目的去使用。对于新手一般先使用anaconda + pycharm+ jupyter（教程多）

经过 anaconda 无数次报错后，我选择不用 anaconda 了，毕竟也没有那么多环境要转换。

下面是新手常用的一些组合方式。

1 python + pycharm + jupyter

需要在电脑中下载 python 解释器，然后直接在终端中 pip install xxx 要安装的包。最后在pycharm中使用该解释器。

优点：安装包小，不容易因为虚拟环境报错。

缺点：要下载对应的版本，比如python和Tensorflow要版本对应才不会报错。特别是使用GPU的场景是，要先注意显卡的型号,找到对应的版本a。

2 anaconda + pycharm + jupyter

安装 anaconda 和 pycharm，不需要安装 python 解释器了，会报错。anaconda 本身就能创建虚拟环境。

优点：Anaconda 集成了一个方便的环境管理系统，可以轻松地创建、复制和删除多个 Python 环境；

缺点：Anaconda自带许多Python包，占用大量空间，且更新包很慢；经常和与其他Python环境产生冲突，比如conda和pip混合安装会报错。

问题 1 conda prompt与cmd的区别

conda prompt和cmd都是Windows系统下的命令行工具，不同之处在于它们所使用的环境不同。

cmd是Windows自带的命令行工具，它是操作系统内置的一种标准命令行解释器。它可以执行大部分Windows命令，包括文件系统、网络配置等操作。但是，由于cmd本身并没有Python环境，所以如果需要使用Python，就需要手动安装Python，并设置环境变量等一系列操作。

而conda prompt则是Anaconda或Miniconda安装过程中创建的专用命令行工具。conda prompt内置了Python及其常用的科学计算库和工具，例如NumPy、Pandas、Matplotlib等，而且还可以轻松地管理多个Python环境。使用conda prompt，用户可以很方便地安装、更新、卸载第三方包，也可以很方便地创建、切换、删除不同的Python环境。此外，conda prompt还支持在不同的操作系统中进行跨平台的兼容性测试。

conda在Windows下安装的时候，有一个选项将conda加入环境变量，如果选了，那么自带的prompt从使用上来说与cmd无异。

如果你没勾选，那么在cmd中你无法直接调用conda, 只能通过prompt来切换环境。

如果你电脑中原本安装过python并且加入了环境变量，在conda安装的时候勾选那个选项，conda自带的python也加入环境变量，这样与之前的python就冲突了，直接控制台输入python就有可能是conda下面的python了。