2.2.1　Anaconda

想要使用PyTorch，我们需要先安装Python。Python可以在https://www.python.org下载，当需要某个软件包时可单独下载并安装。推荐读者使用Anaconda（Anaconda集成了Python开发环境以及一些常用的科学计算包），Anaconda是一个用于科学计算的Python发行版，支持Linux、Mac、Windows系统，能让用户在数据科学工作中轻松安装经常使用的程序包。

在介绍Anaconda之前，我们先简单介绍一下Conda（2.2.2节会详细介绍）。Conda是一个工具，也是一个可执行命令，其核心功能是管理包与环境。Conda支持多种语言，用来管理Python包是绰绰有余的。这里注意区分Conda和pip，pip命令可以在任何环境中安装Python包，而Conda则是在Conda环境中安装任何语言包。Anaconda中集合了Conda，因此可以直接使用Conda进行包和环境的管理。

1）包管理：不同的包在安装和使用过程中会遇到版本匹配和兼容的问题，在实际工程中会使用大量的第三方安装包，人工手动匹配非常耗时耗力，因此包管理是非常重要的功能。

2）环境管理：用户可以用Conda来创建虚拟环境，就能很方便地解决多版本Python并存、切换等问题。

本书使用的环境是GPU服务器，下载Anaconda对应的Python版本为3.7，如图2-1所示（图中以macOS为例）。下载Anaconda之后，Windows和macOS用户按照提示进行安装，Linux用户用命令行sh Anaconda2-x.x.x-Linux-x86_64.sh进行安装（因为Anaconda一直在更新，所以读者使用的版本号可能和书中使用的不一致）。

图2-1　下载Anaconda

安装Anaconda之后，在应用程序界面就能看到Anaconda Navigator的图标了，点击运行之后如图2-2所示，点击Launch按钮进入Jupyter Notebook后会出现如图2-3所示的画面。Windows系统可以在开始菜单中找到Anaconda，然后点击Jupyter Notebook运行。

图2-2　打开Anaconda进入Jupyter Notebook

图2-3　Jupyter Notebook界面

通过右上角菜单New→Python 3新建一个编写代码的页面，然后在网页窗口中的In区域输入1+1，最后按shift+enter键，我们会看到Out区域显示2，这说明Anaconda环境部署成功了，如图2-4所示。

图2-4　Anaconda环境测试界面

Jupyter Notebook提供的功能之一就是可以多次编辑Cell（代码单元格），在实际开发环境中，为了得到最好的效果，我们往往会对测试数据（文本）使用不同的技术进行解析和探索，因此Cell的迭代分析数据功能十分有用。

延伸学习

本节主要介绍了Anaconda的基本概念和使用方法，如果读者想更加深入地了解Anaconda中的组件Jupyter Notebook，可以访问官方文档：https://jupyter.readthedocs.io/en/latest/install.html。