标签：依赖 nal 简单 自动 mil 回车 .com blank show
在清华大学 TUNA 镜像源选择对应的操作系统与所需的Python版本下载Anaconda安装包。Ubuntu环境下在终端执行
$ bash Anaconda2-4.3.1-Linux-x86_64.sh #Python 2.7版本
或
$ bash Anaconda3-4.3.1-Linux-x86_64.sh #Python 3.5 版本
在安装的过程中，会询问安装路径，按回车即可。之后会询问是否将Anaconda安装路径加入到环境变量（.bashrc)中，输入yes，这样以后在终端中输入python即可直接进入Anaconda的Python版本（如果你的系统中之前安装过Python，自行选择yes or no）。安装成功后，会有当前用户根目录下生成一个anaconda的文件夹，里面就是安装好的内容
查询安装信息
$ conda info
查询当前已经安装的库
$ conda list
安装库(***代表库lib名称）
$ conda install ***
更新库
$ conda update ***
官方下载更新工具包的速度很慢，所以继续添加清华大学 TUNA提供的Anaconda仓库镜像，在终端或cmd中输入如下命令进行添加
$ conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
$ conda config --set show_channel_urls yes
在终端或cmd中输入以下命令搜索当前可用的tensorflow版本
$ anaconda search -t conda tensorflow
选择一个较新的CPU或GPU版本，如jjh_cio_testing/tensorflow-gpu的1.3.0版本，输入如下命令查询安装命令
$ anaconda show jjh_cio_testing/tensorflow-gpu
使用最后一行的提示命令进行安装
$ conda install --channel https://conda.anaconda.org/jjh_cio_testing tensorflow-gpu
conda会自动检测安装此版本的Tensorflow所依赖的库，如果你的Anaconda缺少这些依赖库，会提示你安装。因为我之前已经安装过了，所以这里只提示安装Tensorflow。输入y并回车之后等待安装结束即可
进入python，输入
import tensorflow as tf
如果没有报错说明安装成功。
pyTorch 安装起来很简单, 它自家网页上就有很方便的选择方式:
根据你的情况选择适合你的安装方法, 我已自己为例, 我使用的是Linux, 我的 Python 是 2.7 版的, 有 GPU 加速, 那我就按上面的选:
然后根据上面的提示, 我只需要在我的 Terminal 当中输入以下指令就好了:
conda install pytorch torchvision cuda80 -c soumith
我安装的是0.2.0版本的 torch, 安装 PyTorch 会安装两个模块, 一个是 torch, 一个 torchvision, torch 是主模块, 用来搭建神经网络的, torchvision 是辅模块, 有数据库, 还有一些已经训练好的神经网络等着你直接用, 比如 (VGG, AlexNet, ResNet).
标签：依赖 nal 简单 自动 mil 回车 .com blank show
原文地址：http://www.cnblogs.com/AngelaSunny/p/7766153.html
