其中本地安裝指的是本地帶有顯示卡的台式主機或者筆記本，遠端安裝特指雲端需要遠端連線的伺服器；以上兩種情況都各包含三種安裝方式：直接安裝、anaconda安裝、docker安裝。
直接安裝的意思就是直接將框架裝在系統的 python 的 warper 下，最常用的就是 sudo pip install *** 命令，這樣每次進python環境只要 import *** 就好了，操作簡單；
如果你是本地環境，說明這台機器是你自己獨佔的，sudo 許可權也是有的，這種方法尚可用，但是不太推薦，尤其是煉丹你不可能就只有一味藥材，意味著剩下的庫你都得手動安裝。
如果是遠端伺服器，那基本意味著你沒有 sudo 許可權；或者你就算有，按這種方法裝很可能你今天用的好好的，明天別人裝了個其他東西，你再跑你的**就涼了，so 建議直接放棄這種方法。
anaconda安裝最方便的就是它本身是乙個包管理器，直接用裡面的 python 作為**的 interpreter 也是可以的，安裝框架也是直接 pip install *** 簡單方便（這裡不需要sudo，庫是安裝到anaconda的管理包目錄下的）；
但是最優秀的是它可以建立很多環境，比如機器上想來個 tensorflow 來個 pytorch 再來個 mxnet，只要先各自 conda create tensorflow/pytorch…等等 python=version號，然後安裝各自對應的框架就可以了；而且名字啥的都可以隨便取，乙個框架裝好幾個版本也行，每次用哪個之前就 conda activate *** 或者 source activate *** 就行，安裝好了之後配合 pycharm 設定一下工程的python interpreter就能用，另外看哪個不爽直接進 anaconda 的 envs 下面把對應的資料夾 rm -rf 掉就完了，比較省事。
這裡本地安裝就是直接在本機上先裝個 anaconda，建立好環境後裝好框架，然後再下個 pycharm（社群版的就可以），開啟 project 後設定下 python 的 interpreter 是你剛剛 anaconda envs 下面的 python 就可以了。
這裡遠端安裝也差不多，先在伺服器上裝個 anaconda 建立環境裝框架，然後在自己筆記本上裝 pycharm （emmmmm 這裡社群版的不支援ssh，要下個pro版的），然後設定下 interpreter 選 ssh 定位到伺服器的 anaconda envs 下面的 python 就行，另外設定下 deployment 把本地**部署到伺服器，對應目錄對映關係做好，這樣就可以跑除錯**了。
另外遠端安裝有個問題是因為框架是在遠端跑的，圖我咋看、我想出圖啊，跑完了 loss 啥的不畫個圖怎麼搞？那ssh就必須要 -x 了！
這裡放個解決方法，親測能用。
pycharm使用遠端python直譯器並用matplotlib繪圖的方法
docker對一般的調參俠來說就稍微有點高階了，雖然說熟了之後敲的命令種類不會超過30種，但是終歸還是有學習成本的不是。不過現在公司裡有運維的話大都會用 docker 了，有條件的話還是建議學習乙個，一次搞定終身解放，很多部署都是直接連 ** + 環境 一起打包乙個映象出去就完事了，如果對面還用不起來只能說明太菜。
docker 本地安裝呢，很多丹師已經寫了很多不錯的文章了，這裡直接給幾篇
深度學習環境配置docker+pycharm+gpu
docker深度學習環境篇第二彈：pycharm + docker + gpus = everything you need for dl development
docker 遠端安裝。。。，因為我自己是 遠端伺服器 + mac，所以之前找過這種配置的方法，看到靠譜的暫時也就下面這個
pycharm+docker：打造最舒適的深度學習煉丹爐
但是可能是我嫌麻煩或者是嘗試失敗？反正沒有弄成功，後來我自己一直都在用遠端 anaconda 的方法了。
另外這裡的 pycharm 也要裝 pro 版的，因為社群版的同樣不支援 docker。
以上，說的都是現在比較流行的框架，都可以直接 pip 或者 conda install 的，安裝比較簡單；但是像 caffe 這種年代稍微長遠需要自行編譯原始碼的，就稍微麻煩點了；總之還是不建議直接安裝方式，下個 anaconda 自己慢慢搞或者自己不想搞了直接 docker 去拉別人的映象也行；
老早之前在 mac 上編譯過一次 cpu 版本的 caffe，總有問題，後來放棄直接 docker 拉別人搞的 pycharm 裡面設定下 interpreter 也挺好用的（有個坑是一定要設定一下什麼環境變數好像是caffe_path）
簡單總結了下個人或者實驗室小團隊的丹爐打造方法，祝大家煉得好丹！
深度學習煉丹手冊
對於畫素級別的影象預處理，如 將3通道的rgb彩色標籤圖對映為標籤連續的單通道8bit掩碼圖，在同樣呼叫opencv並且採用相同演算法時，c 的處理速度可能是python opencv python 的近百倍。目前不清楚具體原因，但是根據觀察，實際python執行時只呼叫了單個cpu，而c 版本則將...
深度煉丹術
神經網路模型的設計和訓練十分複雜，initialization,activation,normalization,優化器,學習率 等等無不是四兩撥千斤，這篇文章主要是總結一些煉丹技巧，討論下關於如何初始化 選擇啟用函式 正則化的方式和優化器的選擇等。乙個框架看懂優化演算法之異同 sgd adagra...
Ubuntu 深度煉丹環境配置
深度煉丹最麻煩的就是環境配置了，下面過程記錄了本人進行深度煉丹環境的配置。首先是安裝圖形顯示卡驅動，按如下指令進行即可 sudo add apt repository ppa graphics drivers ppa sudo apt get update sudo apt get upgrade ...