本篇内容介绍了“Python怎么搭建深度学习的开发环境”的有关知识，在实际案例的操作过程中，不少人都会遇到这样的困境，接下来就让小编带领大家学习一下如何处理这些情况吧！希望大家仔细阅读，能够学有所成！
深度学习获得了很多关注，因为它特别擅长某种对实际应用非常有用的学习类型。运行一些简单的例子是开始学习这项技术的好方法。设置开发环境是第一步。
有多种方法可以为深度学习设置环境。你可以在 Windows、Mac OS 或 Linux 上执行此操作。我强烈建议在 Mac OS 或 Linux 上进行开发，因为这个领域的大多数人都使用 Linux 或 Mac OS。
可以在官方网站上找到安装 Anaconda 的更新指南。
Python语言有2.6、2.7、3.7等多个版本。很多时候，开源项目依赖于不同的语言和包版本。很容易搞乱开发环境。处理这种情况的正确方法是根据相同的包和版本为项目创建一个单独的虚拟环境。在虚拟环境下安装的所有东西只会影响该环境，但不会影响其他任何东西。本质上，虚拟环境是一个独立的目录。
创建一个名为“p3”的虚拟环境，指定Python语言版本为3.7。
conda create -n p3 python=3.7
激活新创建的虚拟环境“p3”。
source activate p3
安装常用的机器学习包。
pip install numpy pip install pandas pip install scikit-learn pip install seaborn
安装深度学习包
pip install tensorflow pip install keras
你还可以停用虚拟环境。
source deactivate p3
在此处下载社区版本：https : //www.jetbrains.com/pycharm/download/#section=linux
将其复制到 /opt/ 目录。
sudo cp pycharm-community-2017.1.4.tar.gz /opt/
解压缩文件。
cd /opt/ tar -xzvf pycharm-community-2017.1.4.tar.gz
运行脚本开始。
. /opt/pycharm-community-2017.1.4/bin/pycharm.sh
“Python怎么搭建深度学习的开发环境”的内容就介绍到这里了，感谢大家的阅读。如果想了解更多行业相关的知识可以关注亿速云网站，小编将为大家输出更多高质量的实用文章！
免责声明：本站发布的内容（图片、视频和文字）以原创、转载和分享为主，文章观点不代表本网站立场，如果涉及侵权请联系站长邮箱：is@yisu.com进行举报，并提供相关证据，一经查实，将立刻删除涉嫌侵权内容。
