為什么選擇Anaconda
Anaconda是開源項目，可在Linux，Windows和Mac OS X上執行Python / R，對于數據科學和機器的學習具有如下優勢：
快速下載1,500多個Python / R數據科學軟件包
使用Conda管理庫，方便管理工具包和環境
使用scikit-learn，TensorFlow和Theano開發和訓練機器學習和深度學習模型
使用Dask，NumPy，pandas和Numba分析工具
使用Matplotlib，Bokeh，Datashader和Holoviews可視化結果
為什么選擇Visaul Studio code
根據觀察統計，目前大部分Python開發者都是用 Pycharm 作為編輯器進行開發，Pycharm功能強大，但是個人感覺Pycharm用起來比較笨重，電腦有時因此卡頓，而且還收費的，需要進行破解才能使用。相比下，Sublime Text 、 Visaul Studio code這類工具更簡單輕便，畢竟只是個代碼編輯器，設置運行在windows cmd窗口或者Linux 環境也是可以的。Sublime text 這里不做介紹，這里介紹vs code ，因為最近官方宣布其直接支持Jupyter notebook，極大的方便數據可視化。不用再去--jupyter notebook 運行，去起瀏覽器了。
Anaconda 安裝
下載安裝https://www.anaconda.com/
本次是選擇基于windows python3.7 64位。
安裝選項這里兩個都選擇，否則還得手動添加環境變量。
anaconda使用
1）cmd輸入
C:\Users\MSI-PC>conda --versionconda 4.7.12
2）CMD界面輸入python進入ipython交互界面（其實沒啥用，jupyter notebook包含此功能）
3）pip list 可以看到當前的包?？梢钥吹絥umpy、pandas、scikit-learn、scipy 、seaborn常用的數據圖形工具都有安裝。
4）conda env list 查詢當前環境，base 為默認環境，tfg1.11為新建
5）如需獨立的環境。如想試下tensorflow2.0效果如何，利用 conda create -n your_env_name python=X.X即可建立。將會在anaconda/envs目錄下建立your_env_name目錄，如想重裝或遷移環境，將安裝包下文件拷貝到新的anaconda對應目錄下即可D:\ProgramFiles\Anacoda3\envs。通過conda activate your_env_name即可進入該獨立環境。以下是本機環境建立的用于tensorflow學習的獨立環境。
注安裝完Anaconda后其實已經有IED Spyder IDE和jupter notebook可視化工具感興趣的可以嘗試下是否習慣。
VS code 安裝
下載地地址，https://code.visualstudio.com/ 只有40M.
1）對anaconda3環境的導入，這里使用Anaconda Extension Pack，ctrl+shif+f 搜索Anaconda Extension Pack 點擊安裝
2）python基本環境安裝
ctrl+shif+f 搜索python 點擊install 即可安裝。
注：因為上邊安裝了anaconda3,所以似乎是不用再安裝python的擴展了。
VS code 測試
1）新建test.py文件，測試GPU是否可用，ctrl+F5運行。
import tensorflow as tfgpu_test= tf.test.is_gpu_available()print('GPU是否可用',gpu_test)#輸出：GPU是否可用 True左下角可以看到使用的編譯環境是conda tfg1.11(點擊此處可切換其他conda 環境)
2）在vs code中同樣可以像jupyter notebook那樣以cell的形式執行交互式腳本。
- 使用 `ctrl+ shift+ p` 調出 **Command Palette** 然后輸入 `Python: Switch`
- 這里我們選擇第二個 **Python: Switch to Insiders Daily Channel**
首次安裝等幾分鐘。
- 方法一: 使用 `ctrl + shift + p` 輸入 `Python: Create New Blank Jupyter Notebook`
-方法二: 直接左上角新建文件, 然后 `ctrl + s` 保存為 `.ipynb` 格式即可、
加載一個花瓣識別數據
使用下來感覺vs code 還是很方便的。無論GPU使用、anaconda環境切換，還是jupyter notebook都可以滿足需求需求。
