公司最近IT安防升级了，以后写代码都得在跳板机上进行，但是跳板机又不能连外网，所以需要离线安装python的一些包，
其实如果只是普通前后端开发直接用anaconda 就好了，基本上全覆盖。但是搞机器学习需要安装tensorflow，keras，xgboost这些包，就比较麻烦，特别是tensorflow，因为涉及到很多依赖，然后想到了一个法子，一揽子解决这个问题，大致步骤如下：
1.安装anaconda
2.在一个与跳板机资源配置相同的可联网电脑上制作wheel文件。
3.将对应的wheel文件copy上去直接用pip 安装就好了。
1.安装anaconda
这个比较简单，去下载你对应的版本anaconda就好了，这里提供一个清华镜像：
https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/
2.自制wheel文件
pip可以自制wheel文件，并会把你需要的包的依赖包也自动的安装上。命令如下：
pip wheel --wheel-dir=my_wheels Unidecode
其中my_wheels 为你保存wheel文件的目录，Unidecode 为你需要制作的目标wheel
比如我制作tensorflow，最后pip给我生成了
这么多文件
3.最后把这些wheel文件copy到跳板机，然后先安装除了tensorflow以外的wheel 最后再安装tensorflow的wheel，指令就是
pip install xxx.whl
对了在生成keras的wheel时候有三个相关wheel，keras_application,keras_preprocessing和keras,这三个的依赖关系感觉是相互依赖的比较坑，好像这三个文件是没有现有顺序的，所以怎么安装都会报错，发现2.2.0版本的会生成这三个文件，指定keras==2.1.0版本的话就只会生成一个文件，这样就没问题了。
最后提供下我的win64生成的tf-wheel文件。
链接：https://pan.baidu.com/s/1j7aYZLsr83UzzGPsx11dPA 密码：888l