Scikit-learn是广受欢迎的入门级机器学习库，包含大量的机器学习算法和特征提取实现，使用非常简便。Scikit-learn实现的是浅层学习算法，神经网络仅实现了多层感知机。 Scikit-learn的安装方式如下：
pip install scikit-learn
TensorFlow是谷歌基于DistBelief进行研发的第二代人工智能学习系统,可被用于语音识别或图像识别等多项机器学习和深度学习领域.它可在小到一部智能手机、大到数千台数据中心服务器的各种设备上运行。TensorFlow的安装方式如下：
pip install tensorflow
Keras是一个高级别的Python神经网络框架，能在TensorFlow或者 Theano 上运行。Keras的作者、谷歌AI研究员Francois Chollet宣布了一条激动人心的消息，Keras将会成为第一个被添加到TensorFlow核心中的高级别框架，这将会让Keras变成Tensorflow的默认API。 Keras的安装非常简便，使用pip工具即可。
pip install keras
如果需要使用源码安装，可以直接从GitHub上下载对应源码。
然后进入Keras目录安装即可。
python setup.py install
Anaconda是一个用于科学计算的Python开发平台，支持 Linux，Mac和Windows系统，提供了包管理与环境管理的功能，可以很方便地解决多版本Python并存、切换以及各种第三方包安装问题。Anaconda利用conda命令来进行package和environment的管理，并且已经包含了Python和相关的配套工具。Anaconda集成了大量的机器学习库以及数据处理必不可少的第三方库，比如NumPy，SciPy，Scikit-Learn以及TensorFlow等。 Anaconda的安装非常方便，从其官网的下载页面选择对应的安装包即可。 以我的Mac本为例，安装对应Anaconda安装包后，使用如下命令查看当前用户的profile文件的内容。
cat ~/.bash_profile
我们可以发现在当前用户的profile文件的最后增加了如下内容，表明已经将Anaconda的bin目录下的命令添加到了PATH变量中，可以像使用系统命令一样直接使用Anaconda的命令行工具了。
# added by Anaconda2 5.0.0 installer
export PATH="/anaconda2/bin:$PATH"
Anaconda强大的包管理以及多种Python环境并存使用主要以来于conda命令，常用的conda命令列举如下。
# 创建一个名为python27的环境，指定Python版本是2.7
conda create --name python27 python=2.7
# 查看当前环境下已安装的包
conda list
# 查看某个指定环境的已安装包
conda list -n python27
# 查找package信息
conda search numpy
# 安装package
conda install -n python27 numpy
# 更新package
conda update -n python27 numpy
# 删除package
conda remove -n python27 numpy
假设我们已经创建一个名为python27的环境，指定Python版本是2.7，激活该环境的方法如下。
source activate python27
如果要退出该环境，命令如下所示。
source deactivate
在python27的环境下查看Python版本，果然是2.7版本。
maidou:3book liu.yan$ source activate python27
(python27) maidou:3book liu.yan$
(python27) maidou:3book liu.yan$ python
Python 2.7.14 |Anaconda, Inc.| (default, Oct 5 2017, 02:28:52)
[GCC 4.2.1 Compatible Clang 4.0.1 (tags/RELEASE_401/final)] on darwin
Type "help", "copyright", "credits" or "license" for more information.
>>>
查看python27环境下默认安装了哪些包，为了避免显示内容过多，过滤前6行查看。
conda list | head -6
# packages in environment at /anaconda2/envs/python27:
#
ca-certificates 2017.08.26 ha1e5d58_0
certifi 2017.7.27.1 py27h482ffc0_0
libcxx 4.0.1 h579ed51_0
libcxxabi 4.0.1 hebd6815_0
统计包的个数，除去2行的无关内容，当前环境下有16个包。
conda list | wc -l
18
查看目前一共具有几个环境，发现除了系统默认的root环境，又多出了我们创建的python27环境。
conda info --envs
# conda environments:
#
python27 /anaconda2/envs/python27
root * /anaconda2
在python27环境下安装Anaconda默认的全部安装包，整个安装过程会比较漫长，速度取决于你的网速。
conda install anaconda
Fetching package metadata ...........
Solving package specifications: .
Package plan for installation in environment /anaconda2/envs/python27:
继续统计包的个数，除去2行的无关内容，当前环境下已经有238个包了。
conda list | wc -l
240
Anaconda默认安装的第三方包里没有包含TensorFlow和Keras，需要使用命令手工安装，以TensorFlow为例，可以使用conda命令直接安装。
conda install tensorflow
同时也可以使用pip命令直接安装。
pip install tensorflow
本书一共创建了两个环境，分别是python27和python36，顾名思义对应的Python版本分别为2.7和3.6，用于满足不同案例对python版本的不同要求。
Gensim是一款开源的第三方Python工具包，用于从原始的非结构化的文本中，无监督地学习到文本隐层的主题向量表达。它支持包括TF-IDF，LSA，LDA，和word2vec在内的多种主题模型算法，支持流式训练，并提供了诸如相似度计算，信息检索等一些常用任务的API接口。 Gensim的安装方式如下：
pip install gensim
NLTK由Steven Bird和Edward Loper在宾夕法尼亚大学计算机和信息科学系开发，在NLP领域中，最常使用的一个Python库。 NTLK的安装方式如下：
pip install ntlk
NTLK分为模型和数据两部分，其中数据需要单独下载。
>>>import nltk
>>>nltk.download()
推荐选择all，设置好下载路径，然后点击Download，系统就开始下载。NLTK的数据包了，下载的时间比较漫长，大家要耐心等待。如果有个别数据包无法下载，可以切换到All Packages标签页，双击指定的包来进行下载。
Jieba，经常被人昵称为结巴，是最受欢迎的中文分词工具，安装方式如下：
pip install jieba
Jupyter notebook中使用Anaconda中的环境需要单独配置，默认情况下使用的是系统默认的Python环境，以使用advbox环境为例。 首先在默认系统环境下执行以下命令，安装ipykernel。
conda install ipykernel
conda install -n advbox ipykernel
在advbox环境下激活，这样启动后就可以在界面上看到advbox了。
python -m ipykernel install --user --name advbox --display-name advbox
当数据量大或者计算量大时，GPU几乎成为必选，尤其是使用CNN和RNN时，几乎就是CPU杀手。目前主流的云上都提供了GPU服务器。以百度云为例，默认支持的tensorflow的GPU版本是1.4。 当你习惯使用python2.*时，推荐使用的组合为：
- tensorflow-gpu==1.4
- keras==2.1.5
- python==2.7
当你习惯使用python5.*时，推荐使用的组合为：
- tensorflow-gpu==1.4
- keras==2.1.5
- python==3.5