1 安装Anaconda开发环境
Anaconda是一个开源的Python发行版本，集成了NumPy、SciPy、Pandas、Matplotlib和scikit-learn等多个科学包及其依赖项，而且可使用conda命令安装第三方库和创建多个环境。 作为数据科学和机器学习的开发，Anaconda是一个不错的选择。 |
|
|
2 Anaconda Prompt实现包管理
Anaconda其实是一个打包的集合，里面预装了conda、某个版本的Python、众多包以及科学计算工具。anaconda真正的利器在于其中的conda包管理工具，它可以帮助我们方便的管理自己的python开发环境，不仅能将不同开发项目所依赖的开发环境完全独立开来，还可以轻易的复制整个python环境到其他机器。这样，python开发项目的部署就变成了一件非常简单且易于维护的事情。
|
点击【Anaconda Prompt】，进入命令行界面： |
其中，base就是Anaconda自带的默认安装环境。 |
其中，【env_name】为设置的虚拟环境的名字，如命名为【data_analysis】；【python=version】为设置的python版本，如创建版本为3.7的环境【python=3.7】；【anaconda】为可省命令，省略时为一些Python的基础包，添加时为具有Anaconda的所有包，对于数据分析而言，当然应该添加。 |
|
|
conda env list |
# conda environments: # base * D:\soft\anaconda |
3 Windows下安装库
激活虚拟环境【data_analysis】： |
|
pip install paddlepaddle -i https://mirror.baidu.com/pypi/simple |
Successfully installed funcsigs-1.0.2 graphviz-0.13.2 objgraph-3.4.1 opencv-python-4.2.0.32 paddlepaddle-1.7.1 prettytable-0.7.2 protobuf-3.11.3 rarfile-3.1 scipy-1.3.1 |
4 Jupyter Notebook
Jupyter Notebook是一个交互式web笔记本，便于创建和共享文学化程序文档，支持实时代码，数学方程，可视化和 markdown。在数据分析和处理中极其有用，这一工具Anaconda中是自带的。 |
4.1 打开指定文件夹的Jupyter Notebook
对于编写的代码总希望存储在相应的文件夹中(不要使用中文)，如【D:\py_baidu】，则命令如下： |
cd /d D:\py_baidu jupyter notebook |
4.2 界面介绍和创建
|
在运行前可在【D:\py_baidu】中新建文件夹【day01】,此时【Jupyter Notebook】将出现此对应文件夹。打开该文件夹，在该文件夹下创建一个脚本文件
|
4.3 运行【hello world】文件
notebook文档由一系列的cell构成
cell可分为[1]：
|
代码单元中Jupyter Notebook 有两种键盘输入模式。 编辑模式允许你往单元中键入代码或文本；这时的单元框线是绿色的。
|
命令模式键盘输入运行程序命令；这时的单元框线是蓝色。
|
|
|
4.4 测试PaddlePaddle是否安装成功
- 输入
import paddle.fluid as fluid
fluid.install_check.run_check()- 输出
Running Verify Paddle Program ...
Your Paddle works well on SINGLE GPU or CPU.
Your Paddle works well on MUTIPLE GPU or CPU.
Your Paddle is installed successfully! Let's start deep Learning with Paddle now
