无论是mac还是linux/windows都需要确定系统是多少位的。主要就mac讲解。
- 确定服务器是32位的还是64位的（linux/mac）windows查看电脑信息就可以了
file /bin/ls
看到输出的内容即为服务器的位数，我的是64位的，故选择64位的anaconda。
Anaconda
- 下载anaconda anaconda，选择自己对应的版本
- 进入Anaconda所在的目录，执行下面的命令：
bash Anaconda3-5.0.1-Linux-x86.sh
此后依照提示操作即可（最简便的方式就是，让ENTER就ENTER，问yes或no，输入yes，三个yes分别代表同意license、使用默认的安装路径、自动向.bashrc写入路径) 4. 使.bashrc生效 此时Anaconda并未安装完成，若在终端输入python将会发现依然是Centos自带的python版本，这是因为.bashrc的更新还没有生效，执行下述命令使其生效即可。
source ~/.bashrc
tensorflow
- 建立一个Tensorflow的运行环境
//目前Mac上的Tensorflow仅仅支持CPU版本，而且3.0以上版本仅支持3.5版本，所以创建环境的时候一定要加上Python=3.5。
// 创建环境
$ conda create -n tensorflow python=3.5
// 移除环境
conda remove --name tensorflow --all
- 设置国内镜像 (清华镜像5.16日已经关闭，国内的也都差不多关了。所以还是使用官方镜像吧，速度还可以)
//如果需要安装很多packages，你会发现conda下载的速度经常很慢，因为Anaconda.org的服务器在国外。所幸的是，清华TUNA镜像源有Anaconda仓库的镜像，我们将其加入conda的配置即可：
# 添加Anaconda的TUNA镜像
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
# TUNA的help中镜像地址加有引号，需要去掉
# 设置搜索时显示通道地址
conda config --set show_channel_urls yes
- 安装Tensorflow
目前仅仅是创建了一个空的环境，仅有与Python3.5相关的一些包，我们需要先激活环境，然后安装Tensorflow。
// 激活环境
$ source activate tensorflow
// 安装Tensorflow
$ pip install tensorflow
// 关闭环境
$ source deactivate
- 当一个环境中有多个python环境时，在tensorflow下安装软件，例如keras时需要在激活tensorflow下进行。
- 简单测试是否安装成功
>>> import tensorflow as tf
>>> hello = tf.constant('Hello, TensorFlow!')
>>> sess = tf.Session()
>>> print(sess.run(hello))
Hello,TensorFlow!
在测试的时候，需要在第3步的tensorflow环境下，因为anaconda安装会安装两个pyhotn环境，同样是python3.5的，只是小版本不同。其中在tensorflow环境下的python环境有tensorflow，而不再该环境下的则没有。
可以使用conda env list查看虚拟环境，然后在pycharm中选择对应的python解释器就ok啦。
opencv
conda install opencv
测试是否成功： python import cv2 没有问题则说明成功；
dlib
conda install opencv
测试是否成功：
python
import dlib
如果没有问题则说明成功。我遇到的问题：
ImportError: /lib64/libc.so.6: version `GLIBC_2.14' not found (required by /root/anaconda3/lib/pythoh
# 该问题可参考：https://blog.csdn.net/sole_cc/article/details/51415940
解决方案:升级glibc版本 按照上面链接即可升级，然后在测试，解决问题。
linux中查看安装了python的哪些库：
pip freeze或pip list
linux升级gcc
本段主要介绍在Linux系统下，如何升级GCC以支持C++11。目前来看GCC是对C++11支持程度最高最多的编译器，但需要GCC4.8及以上版本 gcc各版本下载： 下载链接 由于我仅仅将版本升级到4.8.2，所以就以此版本为例 步骤：
- 按照链接获取GCC 4.8.2包并解压：tar -xf gcc-4.8.2.tar.gz；
- 进入到目录cd gcc-4.8.2，运行：./contrib/download_prerequisites。这个神奇的脚本文件会帮我们下载、配置、安装依赖库，可以节约我们大量的时间和精力。
- 建立输出目录并到目录里：mkdir gcc-build-4.8.2;cd gcc-build-4.8.2 ../configure --enable-checking=release --enable-languages=c,c++ --disable-multilib。--enable-languages表示你要让你的gcc支持那些语言，--disable-multilib不生成编译为其他平台可执行代码的交叉编译器。--disable-checking生成的编译器在编译过程中不做额外检查，也可以使用--enable-checking=xxx来增加一些检查；
- 编译：make；注意此步和上一步，比较耗时；
- 安装：make install； 验证：gcc -v；或者g++ -v，如果显示的gcc版本仍是以前的版本，就需要重启系统；或者可以查看gcc的安装位置：which gcc；然后在查看版本 /gcc -v，出现新版本即表示成功。
其中遇到一个问题：就是在make阶段，没有编译结束，直接leaved出文件夹了，具体报错忘了记载，但是是由于swap分区不足引起的。所以后面就增加swap分区。：
新建及增加swap分区
在装完Linux系统之后，建立Swap分区有两种方法。 1.新建磁盘分区作为swap分区 2.用文件作为swap分区 （操作更简单，我更常用） 这两种方法都必须用root权限，操作过程应该小心谨慎 我主要是用的第二中方法，所以此处仅将第二种方法： 1.创建要作为swap分区的文件:增加1GB大小的交换分区，则命令写法如下，其中的count等于想要的块的数量（bs*count=文件大小）。
dd if=/dev/zero of=/root/swapfile bs=1M count=1024
2.格式化为交换分区文件:
mkswap /root/swapfile #建立swap的文件系统
3.启用交换分区文件:
swapon /root/swapfile #启用swap文件
4.使系统开机时自启用，在文件/etc/fstab中添加一行：
/root/swapfile swap swap defaults 0 0
由于自己的服务器磁盘有限，所以linux环境下没能成功安装dlib及face_recognition模块。现利用windows7环境下安装。
windows7
- 安装环境
win7 /win8/win10
python3.6 (必须3.6)
opencv3
第一步：dlib安装 通过链接现在安装的whl文件， 然后安装： pip install dlib-19.7.0-cp36-cp36m-win_amd64.whl.whl 第二步：face_recognition安装
pip install face_recognition
第三步：opencv安装
使用命令:pin install opencv
问题：多次出现
Retrying (Retry(total=4, connect=None, read=None, redirect=None, status=None))…………
问题，这是镜像导致的网络问题 解决：
pip install selectivesearch -i http://pypi.douban.com/simple --trusted-host pypi.douban.com
来源：oschina
链接：https://my.oschina.net/u/2806184/blog/1615868