开放原子开发者工作坊

　　由于需要在笔记本上重新安装所有的软件和环境，其中的安装anaconda和rasa，实在让人头痛，在此简单记录！

　　感谢博主：https://blog.csdn.net/lsf_007/article/details/87931823、https://terrifyzhao.github.io/2018/09/17/Rasa%E4%BD%BF%E7%94%A8%E6%8C%87%E5%8D%9701.html 如果你想更加详细的阅读，请参见两位博主高论，两位文章对我受益匪浅。

　　一、anaconda

　　　　1. 下载anaconda

　　　　　　1.清华镜像anaconda地址：https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/

　　　　　　2.miniconda地址：https://mirrors.tuna.tsinghua.edu.cn/anaconda/miniconda/

　　　　　　3.注意：我是用了安装包进行安装（也就是上面的路径地址），是超级快，推荐使用

　　　　2. 安装anaconda

　　　　　　1.选择空间较大的盘进行安装，最好不要默认安装（后期不断的安装库，占用空间越来越多），需要注意下面配图的两点，其他的傻瓜式安装即可。

　　　　　　2. 注意：一定要勾选点击将anaconda配置加入到环境变量的选项

                          

　　　　　　3.注意：在选择操作用户的时候一定要选择 Just me选项，这样在Windows中才会把环境变量加入到系统变量中去（否则加入的是用户变量），在安装完毕之后你使用conda和pip命令安装的库是  可以正常调用，不然你无法使用conda安装的库，并且会有一堆的奇奇怪怪的错误，让你奔溃。如果很不幸你选了All Users选项（像我），那就尽快卸载你的anaconda并重新安装，因为你再对它配环境变量是无用的(无论你抱有多大的希望)，虽然许多简单的测试可以完全正常通过，会让你觉得环境没有任何问题，但是后续的各种报错还是严重影响我们的工作！

                        

 

 　　　　　　4. 这时候你可以检测是否安装好了，但是多数情况下现在已经完全安装，没有什么问题。

　　　　　　*：最简单的检测方式 Windows+R > cmd > python；如果正常显示python的版本号，说明一切正常

　　二、rasa

　　　　1.安装库问题

　　　　　　1.为了最大化利用磁盘空间，我本人认为先使用conda命令，进行安装在其无法安装库的时候，再使用pip命令。因为anaconda本身就会带有很多包，很多时候可能版本比较低，所以先使用conda 可以使得已有的包得更新，而是不像pip那样直接下载了新的库，当然我这样的目的还是为了节约磁盘容量，因为看着随着学习不断的增长的磁盘容量，总是让人忧心忡忡！

　　　　　　2.这次遇到十分奇葩的错，不论我用conda/pip如何安装任何库，总是提示如下错误：

             　　

 

 

 　　　　　　一直报错超时，经过百度说是源被墙了，需要换源下载（当然网上还提供了如何换默认源），这里是直接命令行指定源。

　　　　　　①先试试，是不是真的超时的问题(read time out)，详见我的博文：https://www.cnblogs.com/zhanghaiyan/p/11386749.html

　　　　　　②如果无效那就需要换源操作了，而且使用国内的源非常快，所以希望以后大家可以这样下载库，非常的节约时间。

　　　　　　　　这是几种国内的pip源：　　　　　　　　　　

　　　　　　　　　　阿里云 http://mirrors.aliyun.com/pypi/simple/

　　　　　　　　　　中国科技大学 https://pypi.mirrors.ustc.edu.cn/simple/

　　　　　　　　　　豆瓣(douban) http://pypi.douban.com/simple/

　　　　　　　　　　清华大学 https://pypi.tuna.tsinghua.edu.cn/simple/

　　　　　　　　　　中国科学技术大学 http://pypi.mirrors.ustc.edu.cn/simple/　　　　　　　　　　

　　　　　　　　如：使用清华镜像下载numpy库：pip install numpy -i https://pypi.tuna.tsinghua.edu.cn/simple/ ；-i 后面的是源我们可以根据需要更换，速度奇快！

　　　　　　③在这样也是无法正常下载的情况下，我们在其后面再加 “ --trusted-host pypi.douban.com”

　　　　　　　　如：pip install numpy -i https://pypi.tuna.tsinghua.edu.cn/simple --trusted-host pypi.douban.com

　　　　2.安装rasa需要的所有库

　　　　　　1.我在Windows上使用rasa，所以我提前安装了 VS2015、cmake、boost、mitie，都使用了上面的方式进行 一 一安装，请按照顺序安装，如果你想了解的更清楚请自行百度。VS2015，cmake  都是需要下载软件包然后再安装，需要注意的是VS安装，选择自定义然后选择 C++的选项(这是必须的)，不然后面后面运行会报错；boost、mitie我都使用pip命令下载了，注意mitie安装命令：pip install git+https://github.com/mit-nlp/MITIE.git 。详情看博客：https://blog.csdn.net/liu765023051/article/details/83107254

　　　　　　2.安装rasa，这时候直接使用 pip install rasa_core 命令，在使用这个命令的时候会自动下载 rasa_core、rasa_nlu、rasa_core_sdk三个库，我们再下载TensorFlow，所有的包下载完成。我们使　用 https://terrifyzhao.github.io/2018/09/17/Rasa使用指南01.html 上面的demo创建文件，学习并运行，如果我们运行的结果和作者的一样，那么说明我们安装rasa，并且对其有了少许的入门。

GPU版本的TensorFlow下的rasa坑我还在测试，后面再续！

------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------

　　安装rasa：

　　　　1.boost，mitie，vs2015、cmake都安装了，不知道不安装有什么问题（心累不想再试了）

　　　　2.提前不要装TensorFlow，当你安装rasa_core的时候，rasa_core、rasa_nlu、rasa_core_sdk、tensorflow(cpu)、和TensorFlow附带库都会自动安装的

　　　　3.我安装最新的rasa对应的TensorFlow版本是1.13.2，还是会报警告，说版本过低有些东西将被弃用，但是这最新的rasa了吧，可能是rasa跟新慢的原因吧；安装过很多个GPU版本，但都是形形色色的错误，不知道了，（安装最新版的CPU-TensorFlow也能出来，就是警告说与rasa需要的版本冲突，比较怂改成了低版本）我已经用了cuda 10，cudann7.6，试过了最新的GPU-TensorFlow不行的，至此不想再试低版本的GPU-TensorFlow了，因为还要改cuda...，麻烦

　　　　4.呜呜呜，最后嘛，大家遇到直接  pip install rasa_core 就一切OK啦

 

打字整理好辛苦，有点乱乱的，有问题可以找我哦。第一次说，看到的朋友亲点个赞好么。