前置安装：nvidia 显卡驱动
下一步安装anaconda，如果安装anaconda3就会自动去链接python3 配套的库。
首先理解下配置环境是在干嘛：很简单，就是安装软件
那么怎么简化这个过程，避免换个环境，就得卸载重装，和别人共用一个服务器，就为了配置环境焦头烂额。
很多人只把anaconda作为一个综合包，里面有很多需要用的别人的代码。但是它的真正作用是建立使用怕python的虚拟环境。
也就是说。你可以用anaconda建立一个新的空的环境，什么都没有，然后你一激活她，你就处于一台新的机器。你在这个新的机器上可以安装任意软件而不影响别人的，或者以前的环境。
你在这台新机器上运行代码，他只能使用你在新环境中安装的包。
你关闭了这个环境，这个环境就识趣的消失，不在你的系统留下一丝痕迹。等在硬盘上，等待你下一次召唤。
难道不是特别好用吗！！！（docker更好用，操作系统都能给你虚拟出来，再说吧）
了解anaconda的机制后，你不要觉得麻烦，因为你除非明就不干了，否则你还得不断换项目换环境。磨刀不误砍柴工。更何况，建立虚拟环境并且使用特别简单。
分为以下几条重要命令：
1.换仓库的源，就是你从哪下载包，不改的话你就得爬墙
2.建立一个空环境
3.激活环境
4.在新的环境下安装卸载软件，运行代码
5.关闭环境
1.换源
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --set show_channel_urls yes
2.建立新环境以及激活
你要确定你想要用的python版本
conda create --name mask1 python=3.4注意必须激活改空的环境，后再安装软件：否则，你就会安装在外面，和别人的，以前的大环境一起，那就不知道会发生什么了。
source activate mask1
conda list #看下你在这个环境下安装了什么3.安装软件包
3.1查找包版本
你得先知道你要安装什么对吧，比如tensorflow-gpu 版本，但你可能不知道都有什么版本可以选
conda search tensorflow-gpu就会有：
3.2 安装软件
然后你想装1.9.0，需要cuda9，cudnn7作为前置，但你可能不知道该用什么前置。不要紧，他会聪明的给你安装：
conda install tensorflow-gpu=1.9.0
看一下他都给你安装了什么：cudatoolkit-9.0这就是所谓的cuda，你看，前置都给你安装好了。
如果你想用pip安装，那你只要再激活的环境中直接pip install 即可比如pip install ls
4.移除环境中的包，移除整个环境,关闭环境
conda remove -n mask1 tensorflow-gpu=1.9.0#移除mask1环境中的tensorflow
conda remove -n mask1 --all #移除mask1整个环境
(mask1) liutian@test:~/anaconda3/bin$ deactivate #在我的mask1环境下，我关闭了该环境。5.列出现在的所有环境
conda env list6.在安装过程中，原有的软件会被升级
比如，我本来安装的是python3.4，但由于我安装了tensorflow1.9.0，需要3.6，他就给我升级了，还会询问我是否要安装升级包，每次安装，都会给你一个列表，告诉你你会被安装什么，更新什么。请不要胡适。因为anaconda这个安装会检测你的环境，判断是否版本配套。这个作用是你在大环境安装无法享受的服务。挺好的。
7.查看安装包
如果你对于自己的电脑掌控的比较严，那你可以直接去安装地点，亲自视察，看看你都有啥：
不多解释自己看路径。
再比如，你想找找，你的那个自动安装的前置，cuda去哪了：
显然，这个cuda的安装姿势和我们在大环境直接安装不一样。
查看anaconda 环境mask1安装的包。
这个我选择用jupyter lab
直接激活环境并且安装jupyter lab
再打开jupyter notebook 或者lab就有：
