读书笔记《Deep Learning for Computer Vision with Python》- 第一卷 - 第6章 配置你的开发环境

        在学习新技术（尤其是深度学习）时，配置开发环境往往成功了一半。在不同的操作系统、不同的依赖版本以及实际的库本身之间，配置自己的深度学习开发环境可能会让人头疼。

        Python

        Keras

        Mxnet

        OpenCV,scikit-image,scikit-learn...

        可以大致参考以下文章：机器学习笔记 - Ubuntu18.04配置TensorFlow和Keras深度学习环境_bashendixie5的博客-CSDN博客Ubuntu 16.04配置国内源以及解决"404 无法找到”https://blog.csdn.net/weixin_44584250/article/details/97109443https://blog.csdn.net/bashendixie5/article/details/109730485机器学习笔记 - win10安装tensorflow-gpu.2.2 + Cuda10+cudnn7.6.5_bashendixie5的博客-CSDN博客一、条件说明win10操作系统GTX750 TiAnacondaPyCharm 2019.3.4 x64PS：最终运行成功的环境是，tensorflow-gpu 2.2cuda_10.1.105_418.96_win10.execudnn-10.0-windows10-x64-v7.6.5.32.zip二、安装步骤1、安装Anaconda及搭建基本的环境，可以参考，https://blog.csdn.net/bashendixie5/article/details/.https://blog.csdn.net/bashendixie5/article/details/110260615

Anaconda+Win10下载安装使用_bashendixie5的博客-CSDN博客https://www.jianshu.com/p/1b2d68d77fd1https://www.jianshu.com/p/eaee1fadc1e9https://www.jianshu.com/p/62f155eb6ac5https://jingyan.baidu.com/article/6f2f55a16d80f9b5b93e6cf4.htmlhttps://blog.csdn.net/bashendixie5/article/details/109803329 

        这个是作者配置好的虚拟机，购买的时候会配套下载。

        作者推荐支持GPU的Amazon EC2实例，在国内配置云实例那就自己选国内的就好。或者不怕麻烦并且只是测试可以使用Google Colab。

        作者建议了一个结构，并卵，这个就看自己的喜好了

        最后，就是作者建议如果您计划进行任何严肃的深度学习研究或开发，请考虑使用Linux环境，例如Ubuntu。虽然深度学习工作绝对可以在Windows（不推荐）或macOS（如果你刚刚开始完全可以接受）上完成，几乎所有用于深度学习的生产级环境都基于Linux操作系统—当您配置自己的深度学习开发环境时，请记住这一事实。