模型出错了，请稍后重试~
这篇博文主要探索安装SNAP工具包并且使用Python接口进行开发过程中搭建开发环境所踩的坑。不得不说欧空局SANP官方提供的资料太少，而且不全面。当然有问题你可以去Forum提问，可是回不回答就是另外一回事了！
网上许多教程比较晦涩难懂，本教程按照笔者（新手）自己的视角记录，希望给大家一些帮助
最近在学习python,发现在本地搭建python环境的时候，要是想要同时搭建不同python版本的环境，就比较麻烦，很容易就出现冲突了，很是头疼。然后光明就出现这山重水复疑无路的时候，同事给我推荐了包管理以及环境管理神器：Anaconda。
方案1. 可以直接从官网https://www.anaconda.com/distribution/，默认下载最新版本，19年3月27日为python3.7.1版本 方案2. 清华镜像https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/，速度快很多，找到对应版本即可
不同的操作系统都是直接的在官网中下载安装包进行下载，选择你最经常使用的Python版本进行安装，下载完之后，尽量的按照anaconda默认的行为安装，现在的版本不会将bin目录加入到环境变量path中去。
在学习任何新的编程语言时，我们都会在第一时间完成Hello World，以宣告自己开发环境的完美搭建。TensorFlow也不例外。TensorFlow充分考虑了各种软/硬件平台上的安装，本篇记录了在
本文将介绍在 Windows 计算机上配置深度学习环境的全过程，其中涉及安装所需的工具和驱动软件。出人意料的是，即便只是配置深度学习环境，任务也不轻松。你很有可能在这个过程中犯错。我个人已经很多次从头开始配置深度学习环境了，但是通常是在对程序员更友好的操作系统 Linux 中。
其实TensorFlow有一个别人提供的服务器在用着，不过最近访问不了了，估计给收回去了吧。另外自己的MacBook Pro也其实有TensorFlow，但是这个MacBook Pro是二手的，3000块钱收的，而这个本子在前任主人那里也得呆了2年左右了，虽然不长但也有点小卡，尤其是硬盘容量实在是……随便放点东西就基本满了，像我除了写代码还有一些多媒体制作的小事会有，这玩意一两个就占硬盘好几个G……于是，综上原因，因为要学习深度学习，对硬件有一定的要求，因此就萌生了配一台PC主机的想法了。
1. 安装vs2015及以下版本 将c++有关选项选中安装完毕 CUDA需要C++的编译器，Windows下可以使用Visual C++，我们可以直接下载其官网推荐的Visual Studio。
Python2和Python3之间存在较大的差异，并且由于各种原因导致Python2和Python3长期共存。我们在使用的时候，可能会遇到不同的Python版本问题或者是Python工作环境的切换问题。这里介绍pyenv、virtualenv、conda、venv，pyenv用于管理不同的Python版本，virtualenv、conda以及venv管理不同的工作环境。
我以官方文档为主线，开始对TensorFlow的学习。这期间会把我的理解进行持续的输出，作为《TensorFlow从0到1》系列。它不会止于翻译和笔记、语言和工具，而是坚持通过启发性的方式，循序渐进的构建理解，搭建一个坚实可靠的、连接“零基础”与“机器学习”领域之间的缓坡道，或许能帮你起步。 更期待一起探索的学习者都能开辟出自己的路，仅把这里作为一个参照。 除了TensorFlow文档之外，我还会参考(持续增加中)： Neural Networks and Deep Learning（中译版），Michea
Anaconda专为数据科学和机器学习工作流程而设计，是一个开源包管理器，环境管理器，以及Python和R编程语言的分发。它通常用于大规模数据处理，科学计算和预测分析。
简单来说，Anaconda是Python的包管理器和环境管理器。先来解决一个初学者都会问的问题：我已经安装了Python，那么为什么还需要Anaconda呢？原因有以下几点：
-添加镜像源：conda config -add conda config --show
Anaconda是一个开源包管理器，环境管理器，以及Python和R编程语言的发行版。它专为数据科学和机器学习工作流程而设计，通常用于大规模数据处理，科学计算和预测分析。
很多学习python的初学者甚至学了有一段时间的人接触到anaconda或者其他虚拟环境工具时觉得无从下手, 其主要原因就是不明白这些工具究竟有什么用, 是用来做什么的, 为什么要这么做, 比如笔者一开始也是不明白为啥除了python之外我还需要这么一个东西, 他和python到底有啥联系和区别, 为啥能用来管理python.
这个文档说明了如何在 Mac OS X 上安装 TensorFlow。（从 1.2 版本开始，在 Mac OS X 上 TensorFlow 不再支持 GPU。） 确定如何安装 TensorFlow 你可以选择一种方式安装 TensorFlow，支持下面的几种选择： virtualenv "本地" pip Docker 从源代码安装，更专业有单独的文档记录 我们建议使用 virtualenv 安装。virtualenv 是一个和其它 Python 项目开发隔离的虚拟 Python 环境，在同一台机器上不
AI科技评论按：本文原作者Enachan。本文原载于作者的GitHub。译者投稿，雷锋网版权所有。 这个文档说明了如何在 Mac OS X 上安装 TensorFlow。 注意：从 1.2 版本开始，在 Mac OS X 上 TensorFlow 不再支持 GPU。 确定如何安装 TensorFlow 你可以选择一种方式安装 TensorFlow，支持下面的几种选择： virtualenv "本地" pip Docker 从源代码安装，更专业有单独的文档记录 我们建议使用 virtualenv 安装。vi
让我们每天带着希望出门，如果事与愿违，就再把希望带回家，休息休息，明天继续带出门。
领取专属 10元无门槛券
手把手带您无忧上云
云服务器
ICP备案
实时音视频
即时通信 IM
对象存储
