简介

python 用来编码的包（package）数不胜数，常用的包可能有几十个，自己配置的话估计会不胜其烦。当然，用什么就下什么的话也不是很麻烦，只是要费点时间。

但是，我推荐怎么简单怎么来，毕竟搭配环境只是使用 python 的准备工作而已。

如果想麻烦点，自己搭配 python 环境，可以在 Unofficial Windows Binaries for Python Extension Packages 下载 Windows 下的 python 扩展包。

第一步：安装 python

首先，要下载 Anaconda 。这是一个开源的 python 发行版本，其中包含了numpy、scipy等180多个科学包及其依赖项。

python 有两个常用版本，python3 和 python2，其中目前最新版本分别是 3.6 和 2.7 。

我用的版本是 3.6，与时俱进嘛，初学者也不用考虑向下兼容，学最新的就好。

第二步：选择你喜欢的编辑器

python 作为一个脚本语言并不需要多大的集成开发环境（IDE），一个编辑器就足够了。现在流行的编辑器有以下几种：

• Visual Studio Code： 微软出品，有宇宙级最强IDE之称的 Visual Studio 作为名称前缀，从名字说来就不会差到哪儿去（0.0）。其优点是自带 python 的编译器和调试器，作为一个编辑器，几乎有了 IDE 的所有功能；缺点是速度慢，需要几秒钟才能打开。
• Sublime Text： 这几个之中速度最快的编辑器，有很多插件可以使用。加上所有的插件也可以使它的功能足以媲美没有调试器的IDE。
• Atom ：也是功能强大的编辑器，速度和 VSCode 差不多，略逊于 Sublime Text。
• Vim 和 Emacs ：这俩太复杂，感兴趣的可以学一学，我并不是很推荐，违背了怎么简单怎么来的原则。当然学会了还是很好用的，能体会到用键盘操作世界的感觉。

在用了几年的 Sublime Text 之后我换成了 VSCode，原因嘛，就是 Sublime Text 在一次配置错误导致崩溃过后卸不干净，重装太麻烦，天天报错。虽然报错不影响使用，但是影响心情，所以果断换了。

而且看 VSCode 的介绍还是蛮不错的，还有良好的 debug 功能，特别是 debug 的时候能查看变量，在调试的时候简直甩开 Sublime Text 一百倍。

第三步：Hello world

为了知道编辑器能否正常使用，我们用一行代码来进行测试：

print('hello mr.mulanfly')

至于其中为什么是hello mr.mulanfly，这当然是有深意，有故事，非常
significant 的。其中奥妙只能慢慢品味，不可说透。

VSCode 调试界面

第四步：安装 TensorFlow

TensorFlow 是 google 公司开发的通用深度学习框架，配合Udacity的公开课来学习深度学习效果更佳。安装方法有几种，在 github-tensorflow 上可以看到。在这里我们只介绍其中一种安装方法。

• 安装方法：用 pip install tf-nightly 或者 pip install tf-nightly-gpu 命令直接安装，pip 会自动下载需要的 whl 文件。也可以在 github 直接下载 whl 文件，用 pip 安装。

该方法安装的 TensorFlow 在使用时可能会导致出现警告：

TensorFlow 使用时出现的警告

这只是一个警告（warning），表示我们的 CPU 支持这些命令，但是 TensorFlow 并没有使用到，所以效率可能会比使用到的情况低。不过这并不是一个错误（error），所以我们在并不需要很高效率的情况下可以尽情地无视它。

当然，我们如果要完全避免这个警告，可以采取编译 TensorFlow 源码的方式或者其他方式进行安装，详情见 github-tensorflow 上的 Installation模块。

第五步：测试 TensorFlow

又到了用 hello world 测试 TensorFlow 是否安装成功的时候了。我们可以新建一个 python 文件（或者在命令行中使用 python），键入以下代码：

import tensorflow as tf
hello = tf.constant('hello mr.mulanfly')
sess = tf.Session()
print(sess.run(hello))
sess.close()

得到输出：

VSCode 输出效果

在我们使用 python3.x 的时候会得到以上输出，前面的 b 是代表用的 python2.x 的 bytes 数据类型，想要消除这个前缀 b 的话可以改成

print(sess.run(hello).decode('UTF-8'))

完成所有步骤就可以开始使用 TensorFlow ，进行进一步的学习了！