基础概念
Python2.x or Python3.x
自从20世纪90年代初Python语言诞生至今，一直在迭代更新，根据出现的时期，可以分为Python2.x和Python3.x两个大版本。其中Python3.x进行了较大的升级，为了避免太多的累赘，设计时，没有考虑向下兼容（也就是低版本的不可以被高版本的编译，会产生错误。）[1]。Python2.x随着Python语言的不断完善，即将推出历史舞台，据消息称[2]：
自2020年1月1日起，Python 2将不再得到支持。Python的核心开发人员将不再提供错误修复版或安全更新。
因此，如果你仍在使用Python 2.x，是时候将代码移植到Python 3了。所以建议安装时选择3.x版本。
Python模块、包、库的概念
正如你所理解的，Python就是一门普通的编程语言，有自己的语法，可以定义一些变量和函数实现一定的功能，文件的后缀名就是.py。然而在实际开发过程中，任何语言不是简简单单的变量和函数这样的最基本的架构，在Python中，存在以下定义[3]:
- 模块：后缀名为.py的单一文件被称作“模块”，这个是一些函数组合而成的最小功能单元。
- 包：所谓的“包”就是指多个模块组合而成的更高级的功能单元，你可以理解为Windows中的文件夹，然后多个.py文件就构成了包。当然包也可以存在多级子包，就好像文件夹也可以存在多个子文件夹一样。并且文件也可以和文件夹处在同一级。包的根目录下一定有
init.py这个文件，用于初始化。 - 库：“库”和“包”本质上没有太大区别，也是模块的集合，当然也可以包括一些包，这些组合在一起，就称作“库” [4]。
安装Anaconda就够了
在实际开发时，仅凭借自己编程制作模块，效率十分低下，俗称造轮子。因此大部分开发者都会引入许多现有的轮子，然后再在此基础上进行二次开发，俗称调库。所以这其中就涉及到一些引入包、库等资源的问题。独立安装Python时，安装这些库需要自己手动，很不方便[5]，这时就诞生了Anaconda这样的集成工具包了。 Anaconda是集成工具包，里面包含了开发中需要的各种依赖库和模块，可以提供给我们直接使用，提高我们的开发效率。除此之外，Anaconda还提供了一些以Python为基础的其他工具，例如Jupyter Notebook,Spyder(IDE),Anaconda Prompt等等，为Python的程序开发提供了巨大的便利。
其实说了这么多，我只是想告诉你，正是因为上述原因，一般在搭建Python开发环境时，只需要安装Anaconda就可以了，他的安装包里自带了Python编译器，还有各种各样的库，安装时只需要傻瓜式的一直点下一步就行了（部分地方需要视情况修改）。
Python与Anaconda版本对应关系
如上面所说，Anaconda自带了Python编译器，但是自带的这个编译器的版本和Anaconda的版本之间是有对应关系的[6]。Anaconda在每次发布新版本的时候都会给python2和python3都发布一个包，版本号是一样的(anaconda2-xxx和anaconda3-xxx)。所以我们在选择Anaconda版本时，也应该尽量选择安装兼容更好的版本。
这里我们推荐最稳定的 Anaconda3-5.2.0(python 3.6.5)这个版本。具体的版本对应关系和下载地址如下：
- anaconda、python版本对应关系
- 清华镜像源
- Anaconda3-5.2.0(python 3.6.5)(Win10 64位)
Python与Tensorflow版本对应关系
不仅Python与Anaconda存在版本对应关系，Python还与Tensorflow有对应关系。目前在Windows系统下，tensorflow的gpu和cpu版本兼容python3.5和3.6版本[7]，因此要想稳定运行最好选择Python3.6版本的Python，那么就要去找对应的Anaconda版本。这样在搭建环境时才能避免出现各种各样的问题。
Python的IDE
所谓的IDE就是指的集成开发环境，开发环境可以为编程人员提供代码高亮注释、关键词自动提示、包库的快速查看等等多种方便快捷的功能，从而大大加快了开发的周期。常用的python的IDE有很多[8]，这里我们主要使用Pycharm这一款。
小结
上面啰里啰唆说了一堆，主要是为了扫除安装过程中的一些问题，因为这些都是我作为一个小白，亲身经历并总结的。
总而言之，要在Win10环境下搭建一个可以深度学习的开发环境，需要安装合适版本的Anaconda然后安装Tensorflow，最后选择一款适合自己的IDE，通过适配，实现整个环境的搭建。
安装教程
Anaconda安装教程
下载安装包
Anaconda3-5.2.0(python 3.6.5)(Win10 64位)
按提示安装
这里仅给出需要修改的地方，其余的按提示操作即可。
设置为just for me（仅我可以用）
设置安装路径（不建议设置在包含空格的文件夹下）
设置添加到环境变量中
设置为我安装VSCode
验证安装是否正确
按上述步骤安装后，你将会在win10的开始菜单中看到最近添加了这些：
使用WIn + R，打开命令行窗口，输入以下命令，用来验证Anaconda环境是否配置成功：
出现上面的结果则表示环境变量设置好了。
小结
通过安装Anaconda，我们就获得了一个自带的Python，这个Python的版本和Anconda的版本是绑定在一起的，可以通过更新，升级版本。Anaconda主要实现python包的管理，以及创建虚拟环境。包库的管理由Anaconda自带的conda来完成，这就是为什么你看到的上面的命令全部是conda开头的。在实际开发中，因为python版本不一样、包库不一样，所以如果要把你的代码给别人运行，那光适配这个环境都要花好久时间。因此为了解决这个问题，Anaconda设计了可以创建虚拟环境的功能，所以当你需要创建一个工程时，你只需要按照需求，选定所需的一些环境参数后（如包库版本号什么的），创建一个管理该工程的虚拟环境，在这个环境里开展工作，以后发给别人时，只需要打包环境就可以实现共享了。
Tensorflow安装教程
设置镜像源
为了让下载时更快速，一般都要设置镜像源来加速，这里选择清华镜像源（之前挂了有好了）[9]。
首先，打开Anaconda Prompt的命令窗口：
然后输入：
查看当前的镜像源，如果没有，则通过下面的命令添加清华镜像源：
如过要删除则通过下面的命令删除：
创建基于python 3.6 的tensorflow环境
进入虚拟环境 tensorflow
安装Tensorflow
查看虚拟环境
查看虚拟环境已经安装的包
验证Tensorflow是否安装成功
如果不报错，则表示安装成功。
小结
Tensorflow只不过是众多python第三方包中的一个重要的深度学习包（或者称之为框架）。因为Anconda的源默认是官网的，由于网络限制，网速极慢，所以需要设置到国内的清华源。创建虚拟环境也基本按照上面的套路进行，即创建环境→激活环境（进入环境）→安装所需包→退出环境。这里面用到的conda指令可以去详细了解，这里我们就不展开了。
Pycharm安装教程
Pycharm有两个版本，即专业版和社区版，当然是选择专业版啦！
按照提示点击按钮完成基本安装。
补丁破解
找到pycharm安装目录下的bin，将破解文件JetbrainsCrack-release-enc.jar(链接：https://pan.baidu.com/s/1B_CGvojKZnabQIkMMiP11g 提取码：7s5v )复制粘贴进去，然后，在pycharm.exe.vmoptions和pycharm64.exe.vmoptions添加以下代码：
其中后面的路径就是破解文件的路径。
激活
打开Pycharm，将激活码复制进去，实现激活。
激活码：
配置解释器
激活成功后，打开一个文件夹，作为工程目录。然后为这个目录设置解释器，这里的解释器位置就在前面Anaconda所创建的虚拟环境下。
配置主题
可以修改主题为onedark样式(链接：https://pan.baidu.com/s/1RKnKyLsDyka5KgsRLy-D5w 提取码：1xxt )，在settings/EDditor/Color Scheme下导入文件即可。
测试运行
小结
Pycharm是一款十分方便的IDE，只要设置好Python的解释器后，就可以愉快的编程了。更多技巧还需要后续学习。
写在最后
环境的配置确实很头疼，这里面主要会发生这么几个问题：
- 环境变量没有设置好，导致命令行报错。
- Tensorflow和python版本不对应，导致python下运行tensorflow代码报错。
- Pycahrm解释器路径错误，导致python下运行tensorflow代码报错。
如果有问题欢迎在下面留言探讨。
参考文献
- Python2.x与3.x版本区别 ↩︎
- Python 2.x 即将终止更新和技术支持，是时候和它讲再见了 ↩︎
- Python中的import，from...import以及模块、包、库的概念 ↩︎
- python中的模块、库、包有什么区别？ ↩︎
- anaconda和python区别 ↩︎
- anaconda、python版本对应关系 ↩︎
- TensorFlow版本配套关系表（cudnn、cuda、Python的配套关系，包含所有操作系统） ↩︎
- 推荐10 款最好的 Python IDE ↩︎
- windows10+Python3.6+Anaconda3+tensorflow1.10.0配置和安装 ↩︎
