方法1.在pycharm中一种简单的下载包的方式：文件-->设置-->右上角“+”-->输入要下载的包进行搜索-->点击下方安装
方法2. cd切换到requirements.txt 这个文件所在的目录（或者手动进入，然后右键从终端运行），再执行这个命令pip install -r requirements.txt （若提示用--user，则用以下命令：pip install -r requirements.txt --user ）。系统会提示已安装argparse，并开始自动下载和安装requirements的内容。注意自动安装和下载了以下几项：joblib, six, numpy, h5py, scipy, pyyaml, keras, psutil, scikit-learn, simplejson, astor, protobuf, gast, werkzeug, futures, markdown, html5lib, bleach, tensorboard, absl-py, backports.weakref, termcolor, enum34, grpcio, pbr, funcsigs, mock, tensorflow
/*********************argparse*******************/
argparse模块是python中专门用来解析命令行的。
argparse 是 Python 内置的一个用于命令项选项与参数解析的模块，通过在程序中定义好我们需要的参数，argparse 将会从 sys.argv 中解析出这些参数，并自动生成帮助和使用信息。当然，Python 也有第三方的库可用于命令行解析，而且功能也更加强大，比如 docopt，Click。
/*********************包管理器 （pip 和 easy_install）*******************/
现在很多编程语言，都带有包管理器，例如 Ruby 的 gem，nodejs的npm。Python当然也不例外，拥有大名鼎鼎的 pip和 easy_install。
前面说到的pypi就是一些 python第三库所在的源，使用 pip 或者 easy_install 安装模块，会搜索这个源，然后自动下载安装。比如我们需要安装 flask 框架具体命令如下：
pip install flask
或者
easy_install flask
简单吧，一个简单的命令就搞定。卸载也很方便，例如我们需要卸载flask
pip uninstall flask
查看所安装的包，包括系统自带的和手动安装的
pip list
还可以搜索包
pip search flask
还可以重定向输出项目使用的库。
pip freeze > requirements.txt
这样就会把该环境下的第三方库重定向到 requirements.txt文件内，如果给别人安装项目的依赖，只需要运行：
pip install -r requirements.txt
很方便吧。当然，有时候，我们的网络并不是那么顺畅，pip是在线安装的，可不可以离线呢？当然可以啦，pip install 的第一步，就是在 pypi 上寻找包，然后下载到本地。如果网络不好，可以先建一个本地的仓库，把常用的包离线下载。比如可以下载 flask 的源码
pip intall flask-master.zip
同样也可以安装。
/********************* joblib*******************/
这里补充说一下joblib库，这个库是由scikit-learn外带的，scikit-learn库是机器学习的一个库，研究机器学习的童鞋都知道。引入joblib库也很简单，前提是安装了scikit-learn库：
>>> import sklearn
>>> from sklearn.externals import joblib
1
2
对于大数据而言，joblib比pickle更加高效，但是joblib只能将对象存储在磁盘文件中，不能保存为字符串。
/********************* Keras*******************/
介绍：https://blog.csdn.net/u012556077/article/details/50364632
Keras是基于Theano的一个深度学习框架，它的设计参考了Torch，用Python语言编写，是一个高度模块化的神经网络库，支持GPU和CPU。使用文档在这：http://keras.io/，这个框架貌似是刚刚火起来的，使用上的问题可以到github提issue:https://github.com/fchollet/keras
下面简单介绍一下怎么使用Keras，以Mnist数据库为例,编写一个CNN网络结构，你将会发现特别简单。
/********************* psutil*******************/
该模块提供了一些方法可以用来做系统监控，性能分析和进程管理等。它目前可以支持Linux，Windows，OSX，Sun Solaris，FreeBSD等系统。
支持Python的版本从2.6到3.5.
/********************* scikit-learn>=0.18.1*******************/
scikit-learn是一个基于NumPy，SciPy，Matplotlib的开源学习工具包。
scikit-learn主要解决步骤：
数据准备与预处理
模型选择与训练
模型验证与参数调优
/********************* scipy*******************/
scipy包含致力于科学计算中常见问题的各个工具箱。它的不同子模块相应于不同的应用。像插值，积分，优化，图像处理，统计，特殊函数等等。
scipy可以与其它标准科学计算程序库进行比较，比如GSL(GNU C或C++科学计算库)，或者Matlab工具箱。scipy是Python中科学计算程序的核心包; 它用于有效地计算numpy矩阵，来让numpy和scipy协同工作。
作者：Aieru
链接：https://www.jianshu.com/p/1a3db06e786d
來源：简书
著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。
/********************* simplejson*******************/
simplejson模块主要用于将Python数据类型和json类型互相转换。
/********************* tensorflow*******************/
TensorFlow 是一个开源软件库，用于使用数据流图进行数值计算。换句话说，即是构建深度学习模型的最佳方式。
方法2. cd切换到requirements.txt 这个文件所在的目录（或者手动进入，然后右键从终端运行），再执行这个命令pip install -r requirements.txt （若提示用--user，则用以下命令：pip install -r requirements.txt --user ）。系统会提示已安装argparse，并开始自动下载和安装requirements的内容。注意自动安装和下载了以下几项：joblib, six, numpy, h5py, scipy, pyyaml, keras, psutil, scikit-learn, simplejson, astor, protobuf, gast, werkzeug, futures, markdown, html5lib, bleach, tensorboard, absl-py, backports.weakref, termcolor, enum34, grpcio, pbr, funcsigs, mock, tensorflow
下面为requirements的内容简单介绍：
argparse模块是python中专门用来解析命令行的。
argparse 是 Python 内置的一个用于命令项选项与参数解析的模块，通过在程序中定义好我们需要的参数，argparse 将会从 sys.argv 中解析出这些参数，并自动生成帮助和使用信息。当然，Python 也有第三方的库可用于命令行解析，而且功能也更加强大，比如 docopt，Click。
/*********************包管理器 （pip 和 easy_install）*******************/
现在很多编程语言，都带有包管理器，例如 Ruby 的 gem，nodejs的npm。Python当然也不例外，拥有大名鼎鼎的 pip和 easy_install。
前面说到的pypi就是一些 python第三库所在的源，使用 pip 或者 easy_install 安装模块，会搜索这个源，然后自动下载安装。比如我们需要安装 flask 框架具体命令如下：
pip install flask
或者
easy_install flask
简单吧，一个简单的命令就搞定。卸载也很方便，例如我们需要卸载flask
pip uninstall flask
查看所安装的包，包括系统自带的和手动安装的
pip list
还可以搜索包
pip search flask
还可以重定向输出项目使用的库。
pip freeze > requirements.txt
这样就会把该环境下的第三方库重定向到 requirements.txt文件内，如果给别人安装项目的依赖，只需要运行：
pip install -r requirements.txt
很方便吧。当然，有时候，我们的网络并不是那么顺畅，pip是在线安装的，可不可以离线呢？当然可以啦，pip install 的第一步，就是在 pypi 上寻找包，然后下载到本地。如果网络不好，可以先建一个本地的仓库，把常用的包离线下载。比如可以下载 flask 的源码
pip intall flask-master.zip
同样也可以安装。
/********************* joblib*******************/
这里补充说一下joblib库，这个库是由scikit-learn外带的，scikit-learn库是机器学习的一个库，研究机器学习的童鞋都知道。引入joblib库也很简单，前提是安装了scikit-learn库：
>>> import sklearn
>>> from sklearn.externals import joblib
1
2
对于大数据而言，joblib比pickle更加高效，但是joblib只能将对象存储在磁盘文件中，不能保存为字符串。
/********************* Keras*******************/
介绍：https://blog.csdn.net/u012556077/article/details/50364632
Keras是基于Theano的一个深度学习框架，它的设计参考了Torch，用Python语言编写，是一个高度模块化的神经网络库，支持GPU和CPU。使用文档在这：http://keras.io/，这个框架貌似是刚刚火起来的，使用上的问题可以到github提issue:https://github.com/fchollet/keras
下面简单介绍一下怎么使用Keras，以Mnist数据库为例,编写一个CNN网络结构，你将会发现特别简单。
/********************* psutil*******************/
该模块提供了一些方法可以用来做系统监控，性能分析和进程管理等。它目前可以支持Linux，Windows，OSX，Sun Solaris，FreeBSD等系统。
支持Python的版本从2.6到3.5.
/********************* scikit-learn>=0.18.1*******************/
scikit-learn是一个基于NumPy，SciPy，Matplotlib的开源学习工具包。
scikit-learn主要解决步骤：
数据准备与预处理
模型选择与训练
模型验证与参数调优
/********************* scipy*******************/
scipy包含致力于科学计算中常见问题的各个工具箱。它的不同子模块相应于不同的应用。像插值，积分，优化，图像处理，统计，特殊函数等等。
scipy可以与其它标准科学计算程序库进行比较，比如GSL(GNU C或C++科学计算库)，或者Matlab工具箱。scipy是Python中科学计算程序的核心包; 它用于有效地计算numpy矩阵，来让numpy和scipy协同工作。
作者：Aieru
链接：https://www.jianshu.com/p/1a3db06e786d
來源：简书
著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。
/********************* simplejson*******************/
simplejson模块主要用于将Python数据类型和json类型互相转换。
/********************* tensorflow*******************/
TensorFlow 是一个开源软件库，用于使用数据流图进行数值计算。换句话说，即是构建深度学习模型的最佳方式。
