姓名：闫伟 学号：15020150038
转载自：https://zhuanlan.zhihu.com/p/46599887
【嵌牛导读】：使用 TensorFlow 开展机器学习工作的朋友，应该有不少是通过 pip 下载的 TensorFlow。但是近日机器学习专家 Michael Nguyen 大声疾呼：“为了性能起见，别再用 pip 下载 TensorFlow了！”
【嵌牛鼻子】：Tensorflow pip conda
【嵌牛提问】：为何说要用 Conda 而非 pip 来安装 TensorFlow？
【嵌牛正文】：更快的CPU性能
Conda TensorFlow 包利用了用于深度神经网络或 1.9.0 版本以上的 MKL-DNN 网络的英特尔 Math Kernel Library（MKL），这个库能让性能大幅提升。如下图所示：
可以看到，相比 pip 安装，使用 Conda 安装后的性能足足提升了 8 倍。这对于仍然经常使用 CPU 训练的人来说，无疑帮助很大。我（Michael Nguyen——译者注）自己平时在把代码放到 GPU 驱动的机器之前，会先使用 CPU 机器跑一遍，使用 Conda 安装 TensorFlow 能大幅加快迭代速度。
MKL 库不仅能加快 TensorFlow 包的运行速度，也能提升其它一些广泛使用的程序库的速度，比如 Numpy、NumpyExr、Scikit-Learn。
简化 GPU 版的安装
Conda 安装会自动安装 CUDA 和 GPU 支持所需的 CuDNN 库，但 pip 安装需要你手动完成。大家都比较喜欢一步到位的吧，特别是下载很多个库的时候。
快速启动
所以我希望上面这两个原因能让你有足够的动力换为使用 Conda。如果你信我的话，那就按照下面的步骤开始吧。
pip uninstall tensorflow
如果还没安装 Anaconda 或 Miniconda，那就安装这两者其中一个。Miniconda 只安装 Conda 和它的环境依赖，而 Anaconda 会预先为你安装好很多包。我倾向于使用 Miniconda 着手。待 Conda 下载好后，输入以下命令：
conda install tensorflow
如果你想用 GPU 驱动的版本，就把 tensorflow 替换为 tensorflow-gpu。
除了能让使用 TensorFlow 更快更简单这两个好处之外，Conda 还提供了一些列的工具，能让它更容易地整合到你的工作流中。可以看看以下资料，加深了解：
Conda 和 TensorFlow：
https://www.anaconda.com/blog/developer-blog/tensorflow-in-anaconda/
MKL 优化：
