《深度学习与图像识别：原理与实践》—2.2　搭建图像识别开发环境

2.2　搭建图像识别开发环境

本节将带领读者一步一步安装开发环境，安装环境主要是由Anaconda与PyTorch组成。

2.2.1　Anaconda

要想使用PyTorch，首先需要安装Python。Python可以在https://www.python.org上下载，当需要某个软件包时可单独进行下载并安装。本书推荐读者使用Anaconda，Anaconda是一个用于科学计算的Python发行版，支持Linux、Mac、Windows系统，能让你在数据科学的工作中轻松安装经常使用的程序包。Anaconda的下载地址：https://www.anaconda.com/distribution/#download-section。

在介绍Anaconda之前首先提一下Conda（2.2.2节会详细介绍）。Conda是一个工具，也是一个可执行命令，其核心功能是包的管理与环境管理，它支持多种语言，因此用其来管理Python包也是绰绰有余的。这里注意区分一下conda和pip，pip可以在任何环境中安装Python包，而conda则可以在conda环境中安装任何语言包。因为Anaconda中集合了conda，因此可以直接使用conda进行包和环境的管理。

• 包管理：不同的包在安装和使用的过程中都会遇到版本匹配和兼容性等问题，在实际工程中经常会使用大量的第三方安装包，若人工手动进行匹配是非常耗时耗力的事情，因此包管理是非常重要的内容。

• 环境管理：用户可以使用conda来创建虚拟环境，其可以很方便地解决多版本Python并存、切换等问题。

本书在第2～7章的代码运行环境为macOS，下载的Anaconda对应的Python版本为3.7，如图2-1a所示；第8～12章的代码运行环境为Linux，下载的Anaconda对应的Python版本为2.7，如图2-1b所示。下载Anaconda之后，Windows和MacOS用户按照默认提示进行图形化安装即可，Linux用户可用命令行sh Anaconda2-x.x.x-Linux-x86_64.sh进行安装（由于Anaconda一直在更新，因此读者使用的版本号可能与书中的版本不一致，但问题不大）。

a）本书第2～7章Anaconda环境：MacOS、Python3.7

b）本书第8～12章Anaconda环境：Linux、Python2.7

图2-1　Anaconda的下载

Mac上安装完Anaconda之后，在应用程序界面里就能看到Anaconda Navigator的图标，点击运行之后就能看到如图2-2所示的界面，然后选Notebook，点击“Launch”按钮，浏览器中会出现如图2-3所示的画面。Windows可以从“开始”菜单中找到Anaconda，然后点击Jupyter Notebook运行。

图2-2　打开Anaconda进入Jupyter

图2-3　Jupyter notebook界面

展开右上角菜单New，选择Python3，即可新建一个编写代码的页面，然后在网页窗口中的“In”区域输入“1+1”，最后按“Shift”+“Enter”键，我们会看到Out区域的显示为2，这说明我们的Anaconda环境部署成功了，如图2-4所示。

图2-4　Anaconda环境测试界面

JupyterNotebook提供的功能之一就是可以使我们多次编辑Cell（代码单元格），在实际开发当中，为了得到最好的效果，我们往往会对测试数据（文本）使用不同的技术进行解析与探索，因此Cell的迭代分析数据功能变得特别有用。

延伸学习：

本节主要介绍了Anaconda的基本概念和使用方法，如果读者需要对Anaconda中的组件JupyterNotebook进行更深入的了解，可以访问官方文档（https://jupyter.readthedocs.io/en/latest/install.html）。