我是在搭建TensorFlow开发环境的道路上走了很多弯路
掉了很多头发，为了让广大同学们不在受苦受累
下面我将手把手教你学习如特快速搭建python环境
快速导入numpy，PIL，pillow，等等科学计算包
这大概需要两个小时，一次性解决你的所有问题。
记住我的名字，我是行百里，这个博客期待你的光临
欢迎评论，留言
经过我的比较，综合考虑使用pycharm这个集成的IDE将极大的提高效率
减少失误，易于代码的发布，总之，这个IDE我很喜欢。使用pycharm
配合anaconda中的conda进行包管理也是极为方便，完全不需要pip等
指令操作，本文主要为windows用户搭建环境而写，日后我也会出一个
Linux系统的搭建教程，敬请期待。
首先打开下面链接，进入镜像站下载所需内容
https://mirrors.tuna.tsinghua.edu.cn/
清华镜像寻找anaconda
点击anaconda,进入子文件夹
点击archive文件夹，寻找anaconda3-5windowsX86_64.exe的版本
，
本次安装到我这个windows7——64位的电脑上，所以选择这个选项
点击之后开始下载
下载完成，接下来是安装流程，我们下载的是anaconda版本，该版本是自带python3.5,和很多科学计算包，双击打开这个exe安装包
开始安装anaconda,单击next
同意安装许可，单击I agree
all users这个选项一般针对利尼克斯系统用户，windows用户无所谓，直接点下一步（next)
直接采用默认路径，建议不要修改，直接点击next
将anaconda的环境变量添加到路径中，两个都打勾
然后点击install
终于安装完成，
这个过程大概5分钟
到应用程序里打开anaconda 中的navigator，第一次打开可能比较慢
单击左侧选项卡中的环境
这个时候就可以查看安装过的科学计算包，也可以查看没安装过的包，channel选项可以更改来资源站点，这里可以添加清华的资源，因为已经找到我们需要的包，所以此处不做修改，最右侧键入TensorFlow，选择not installed 。找到TensorFlow以及gpu版本，我们点击gpu版本的，单击右下角的apply,进行下载。
anaconda正在网站上寻找源
已经找到源
单击apply下载源
正在下载，大约5分钟后可以看到在installed里面已经有TensorFlow-GPU的资源了
同样的方法，找到numpy,pillow,mkl，等等如果遇到找不到的资源包，
这个时候单击channels,add一个新的包资源站，
这里我们添加清华的pkgs网址：https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
添加之后按一下回车，然后点击update即可生效
Anaconda的安装结束
2：安装完anaconda,接下来我们安装另外一款超级好用的IDE（集成开发环境），一个好的开发环境能够数倍的提升工作效率，省时省力，界面友好
在它的官网上下载https://www.jetbrains.com/pycharm/
我这里下载的是专业版，具有逐行执行，断点调试功能，费用大概是
不花钱其实的也可以试用30天，之后如何破解这里就不说了，请自行百度。
给你们一个专业版激活网站https://jetlicense.nss.im/
实际上社区版本也够用。一直点击下一步下一步，安装成功。
现在打开pycharm
(1)选择创建pure python,纯python项目
(2)自定义project保存的位置，路径务必是英文路径，以免出现不可预见的错误
(3)点击小三角，打开下拉列表
选择刚刚安装好的anaconda的外部解释器，此时是需要手动添加刚刚解释器的地址，
也就是anaconda文件夹下python的路径地址，此时我来带大家走一下添加路径流程
单击设置按钮
选择add local,添加本地python解释器
刚刚anaconda安装到了默认c盘文件夹里，此时打开c盘，
搜索一下就出来了，我是windows7系统，
看到下图红色圈圈部分就是anaconda中python的位置
windows10用户需要将查看选项卡中的隐藏项打勾，不然系统文件一般都是不可见的。
在这里添加，ok即可
这个时候，外部存在的解释器选项就变成下面这样子了
然后单击右下角的创建create，就创建了一个新项目
创建新项目后选中python_practice文件夹，点击右键new建一个python file
新建之后键入print("hello world"),右键run （右键之后点击绿色的执行按钮）执行python文件
接下来点击菜单栏FILE选项卡，点击settings
下面我们查看一下conda,点击project
可以看到conda已经安装好：右边那个绿色的圈圈图标就是conda管理器
可以发现conda已经将我们日常用的科学函数库已经导入了，
如果发现这里没有我们需要的库怎么办呢？不用着急，点击下图所示的加号：
例如我们需要用到OpenCV的函数库，然鹅，并没有在conda中内置，这个时候我们就可以在这里搜索，并添加它
可以看到pycharm正在帮我们安装OpenCV3.4
很快opencv就安装好了，如果需要其他的库的话你也可以自己搜索一下，
点击install马上就能安装好了，赶紧试试吧。
安装好之后需要点击ok按钮，新的包/库就可以更新到pycharm了
等待更新packages
这样可就可以看到opencv中的CV2中的键入提示了
接下来我们测试一下我们的环境是否安装成功，测试代码如下：
import numpy as np
import matplotlib.pyplot as plt
N = 50
x = np.random.rand(N)
y = np.random.rand(N)
colors = np.random.rand(N)
area = np.pi * (15 * np.random.rand(N))**2 # 0 to 15 point radii
plt.scatter(x, y, s=area, c=colors, alpha=0.5)
plt.show()
X = np.linspace(-np.pi, np.pi, 256,endpoint=True)
C,S = np.cos(X), np.sin(X)
plt.plot(X, C, color="blue", linewidth=2.5, linestyle="-")
plt.plot(X, S, color="red", linewidth=2.5, linestyle="-")
plt.xlim(X.min()*1.1, X.max()*1.1)
plt.xticks([-np.pi, -np.pi/2, 0, np.pi/2, np.pi],
[r'$-\pi$', r'$-\pi/2$', r'$0$', r'$+\pi/2$', r'$+\pi$'])
plt.ylim(C.min()*1.1,C.max()*1.1)
plt.yticks([-1, 0, +1],
[r'$-1$', r'$0$', r'$+1$'])
plt.show()
效果是这样滴：
你的环境配置好了么，接下来就可以开心的进行开发，研究工作了。
欢迎在我的博客下面留言，共同学习，共同交流，让更多的小伙伴跳过环境搭建的坑