Python应用实战案例：Python编程环境配置（Anaconda、Jupyter、GPU环境）

1. 写在前面

搞算法的同学也都明白，一个比较完美的python环境是多么的重要。这篇文章打算把一些必备的python环境配置过程记录下来，这样不管是新到了公司实习或者就职，还是新换了电脑，都可以借鉴这篇快速把环境搭建起来啦 

由于我也是重装了系统，所以算是从0开始搭建python环境，这次从anaconda安装开始， 然后到cuda的相关安装配置，再到cudnn的安装配置，然后从anaconda中建立虚拟tensorflow和pytorch的虚拟环境，再各自的虚拟环境里面安装jupyter notebook并完成配置，安装tensorflow的GPU版本和pytorch的GPU版本。这一整套下来，在自己机子上做一些简单的模型实验就没有问题了。

虽然这套流程是目前是在Windows上做的，但具有普适性，在Linux上也是一样的道理，只不过有些地方的操作可能不一样，原理都是一样的。

内容包括:

• Anaconda的安装与常用命令小总

• Jupyter的安装与相关配置

• CUDA与Cudnn的安装(GPU支持必备)

• 建立tf虚拟环境并安装tf2.0GPU版本

• 建立pytorch虚拟环境并安装pytorchGPU版本

2. Anaconda的安装与常用命令

Anacon