构建深度学习环境（基于Pycharm/Python/Tensorflow/Linuxx系统/VMware的开发平台构建）

构建深度学习平台

内容：

1. 在Win7环境下安装Linux系统，包括安装VMware Workstation Pro虚拟系统平台和Linux虚拟系统；
2. 安装Anaconda
3. 安装Tensorflow
4. 安装pycharm集成环境
5. 测试

说明：文章内容全部是自己作为初学者一步一步尝试成功之后，才写入博客之中，其中部分内容也是参照前辈内容，在此感谢前辈的努力付出。此外，本博客可以帮助一个初学者，甚至是不动计算机编程的初学者构建一个TensorFlow学习平台。

       自己是车辆工程的一名研究生，对机器学习/深度学习非常感兴趣，希望通过自己的学习能够掌握这一门方法，将深度学习的精华融入到汽车设计之中，当然不仅仅是目前最火的智能驾驶，而是想改变传统设计方法（包括转向系、制动系的优化设计之中）。

为什么用Linux系统：
为什么Python：
为什么用TensorFlow
为什么选择pycharm

第一部分：安装Linux系统，包括安装VMware虚拟系统平台和Linux虚拟系统

        自己本身是Win7系统，考虑到计算机配置的局限性，没有选择安装双系统，而是安装Linux的虚拟系统，在安装虚拟系统之前，需要安装一个虚拟环境（VMware）

第一步：为虚拟环境分配一个分区，建议是20G以上（因为自己安装完所有的文件后差不多用了12G）。之后安装的所有内同都在这个分区之中。

           方法：计算机右键管理，选择磁盘管理，选择一个生育空间比较大的磁盘，右击该磁盘，选择压缩卷，为其分配20G空间，确定即可。说明，不需要格式化待压缩的磁       盘，分区后原来磁盘的文件依然存在。见图：1.1；

           刚分完区的磁盘默认盘符为（新加卷F、G）等，请家住自己盘符。并将盘符名字改为英文，默认是新加卷中文。

第二步：安装VMware

     1、下载VMware，自己亲测过的一个软件，不用破解，安装很简单，网址http://pan.baidu.com/s/1qYoOn2c，密码913e：当然网上关于这个软件很过，安装教程比比皆是，可以参考其他博客。

    2、安装教程，https://jingyan.baidu.com/article/3ea51489a339f952e71bba57.html，这是百度经验提供的，写的很好，非常感谢，我就不用重复复制前辈工作了。其中对于计算机无法安装虚拟系统的错误，提供了解决方法，之所以报错是因为计算机的CPU虚拟化默认是关闭的，需要打开，方法请见百度经验。

    打开软件界面如图1.2

第三步 安装Linux虚拟系统

      激动人心的时刻都要到了，前面的基本工作就是问了这个Linux做准备。

     第一步：下载Linux，在这提供下载的地址：http://pan.baidu.com/s/1i47JfH7，密码：te98,我下载的是Linux/Ubuntu16，可以根据自己选择进行下载，下载之后是一个ISO镜像文件。

     第二步安装Linux系统。这个软件安装很简单，一般都不会出问题，请参照Linux的一篇文章，http://www.linuxidc.com/Linux/2016-11/137241.htm，自己就不搬砖了，感谢这篇文章的作者。

    第三步，打开Linux系统，测试是否安装成功，如图1.3和1.4

打开Linux后的界面如上图

   说明：一次安装成功之后，关机，下一次需要打开Linux时，不需用再安装，只需打开VMware，按照如图1.3操作即可，

第二部分 安装Anaconda

      为什么选择利用anaconda安装TensorFlow之前已经说明。说明：Limux安装成功之后自带Python，不需用单独安装Python.

      第一步：下载Anaconda，https://www.anaconda.com/download/，这个软件是开源的，不需要付费，可到官网免费下载

      第二步：在Linuxx系统安装Anaconda，请见另一片博客：http://blog.sina.com.cn/s/blog_16698f3bc0102wr74.html，界面有点不一样，但是输入的命令是一致的。

                   1，进入Linux系统，打开Terminal：方法：左击最左边一排第一份图标（research   your computer）,输入 Teminial,，出现结果后打开，如图2.1

图2.1

图2.2 打开Teminal显示图

         第三步  ：很关键，之前下载的anaconda是放在Windows的某个位置，比如安装包放在左面，现在我们要在另一个系统安装这个软件怎么办呢？直接打开是不行的，方法，将Windows桌面的文件直接选中拖到Linux系统的桌面上，就像吧Windows桌面文件复制到Linux桌面上。

        第四步：首先，在teminial中输入【su】回车并输入管理员密码再回车，获得管理员权限（默认登陆的是普通账户，只有管理员有安装权限）

                      之后，输入【cd Desktop】定位到桌面（注意区分大小写，linux队大小写敏感）

                      再时候，输入【bash Anaconda3-4.2.0-Linux-x86.sh】,bash后面就是安装文件的文件名，根据自己下载的不同版本，别输错就可以，说明：

                      按【enter】键确认，然后一直按【enter】键直到license信息显示完，之后输入【yes】同意，之后按照提示按回车即可，整个过程需要一点时间，看看提示，不是                      按回车就是输入【yes】很简单的，

        第四步 测试是够安装成功  在teminial中输入【Python】，进入Python环境，输入【aconda list】,如果能够显示很多库文件的话，说明安装成功，如图2.3

图2.3 anaconda安装成功

第三部分 安装TensorFlow

          利用anaconda安装TensorFlow非常方便，而且不会出错，这也是为什么选择anaconda的原因，此外anaconda还有其他非常多的将来会用到的库文件，直接用就可以非常方便。

         第一步  添加conda环境

$ conda create -n tensorflow python=2.7

     第二步  激活环境

$ source activate tensorflow

(tensorflow)$ pip install --ignore-installed --upgrade https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-0.8.0rc0-cp27-none-linux_x86_64.whl

   第三步  测试

$ python>>> import tensorflow as tf>>> hello = tf.constant('Hello, TensorFlow!')>>> sess = tf.Session()>>> print sess.run(hello)Hello, TensorFlow!>>> a = tf.constant(10)>>> b = tf.constant(32)>>> print sess.run(a+b)42

说明

（1）退出Python环境，Ctrl+D或者输入quit

（2）不用TF时关闭环境

$ source deactivate

（3）使用时激活

source activate tensorflow

    如果测试成功，说明TensorFlow安装成功

第四部分    安装pycharm集成环境

    每次编程都要进入teminal.，再激活TensorFlow，再输入程序，而且Teminal修改程序和调试程序很麻烦，所以建议到方便我们使用的IDE环境智商进行编程，在这里选择了pycharm。

    第一步 下载pycharm 网址：https://www.jetbrains.com/pycharm/download/#section=windows,，说明：急着一定是下载Linux系统的，如图4.1所示

图4.1 pycharm下载界面

    第二步    直接下载的文件可能是压缩格式，需要解压文件，加入放在Windows的桌面，同上，将解压后的pycharm-community-2017.2.4这个文件直接拖到Linux系统的桌面

    第三步    在Linux桌面打开刚才的文件一直找到【bin】下的【pycharm。sh】文件，这个文件就是pycharm在Linux下的安装文件，类似于Windows下的exe格式，记住文件位置，在重新打开一个Teminal中，输入【cd-Desktop/pycharm-community-2017.2.4/bin】(刚才文件的位置)，之后【回车】

    第四步    输入【sh pycharm.sh & 】,之后【回车】，就可以打开pycharm的安装文件

    第五步    之后就和Windows下安装软件一致的，接受许可，选择文件安装位置，这个大家都会的，就不在啰嗦。

第五部分 测试

    至此整个虚拟的TensorFlow平台已经搭建好了。

致谢

    非常感谢其他前辈的付出