最近就要學習深度學習了，怎么能沒有一個合適的開發環境呢？

那么，開始吧

系統方面我選擇了Ubuntu GNOME 16.04版本，因為在Ubuntu中進行配置相對于紅帽系要方便一些。畢竟誰也不想正在愉快的敲代碼時，突然蹦出一堆兼容性問題吧。況且，Ubuntu還可以用網易云音樂_..當然，在紅帽系的系統中的配置過此應該也比較相似。

安裝系統很簡單，在圖形界面下一路順風，裝好之后就進入酷炫的Gnome界面了

Ubuntu

安裝python科學計算環境(Anaconda)

我個人選擇軟件就一個標準：省心～ 而幫用戶解決了不少依賴問題的Anaconda自然是我的菜。我選用的是2.7版本，3.5版本的當然也是可用的。進入https://www.continuum.io/downloads 下載最新版本的Anaconda即可。

下載好Anaconda2-4.1.1-Linux-x86_64.sh之后(由于時間問題，文件名可能會有變化)，Ctrl+Alt+T打開命令行，并輸入

sudo bash Anaconda2-4.1.1-Linux-x86_64.sh

然后輸入密碼、一路回車，安裝就完成了。不過這時的IDE，也就是spyder只能通過命令行啟動，而不在軟件列表中。不妨再將這個模塊安裝一遍：

sudo apt-get install spyder

Spyder

安裝深度學習框架Theano + Keras

這兩個包的安裝過程沒有什么特別的，直接用pip安裝就好了：

sudo pip install theano

sudo pip install keras

安裝結束后不妨進入python，試一試這兩個包能否成功import進來。

安裝深度學習框架TensorFlow

說到深度學習，怎么能不談現在紅得發紫的TensorFlow呢？

Anaconda下安裝TensorFlow也相對簡單，按照官方文檔一路前進即可：

conda create -n tensorflow python=2.7

source activate tensorflow

export TF_BINARY_URL=https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-0.10.0rc0-cp27-none-linux_x86_64.whl

pip install --ignore-installed --upgrade $TF_BINARY_URL

source deactivate

以上步驟安裝的所僅使用CPU的TensorFlow，如果要安裝GPU加速版本的，則需要提前安裝好Cuda Toolkit 7.5 和 cuDNN v4.

陳政/arc001 原創作品轉載請注明出處

總結

以上是生活随笔為你收集整理的基于python的系统构建_搭建一个基于python的深度学习环境的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。