如何用Anaconda构建机器学习和深度学习的Python环境

在某些平台上安装Python机器学习环境可能很困难。

必须先安装Python本身,然后才能安装许多软件包,这可能会让初学者感到困惑。

在本教程中,你将了解如何使用Anaconda设置Python机器学习开发环境。

完成本教程之后,你将拥有一个可以工作的Python环境,可以开始学习、练习和开发机器学习和深度学习软件。

这些说明适用于Windows、Mac OS X和Linux平台。我将在OSX上演示它们,这样你可能会看到一些Mac对话框和文件扩展名。

我们开始吧。

概述

在本教程中,我们将介绍以下步骤:

  • 下载Anaconda。
  • 安装Anaconda。
  • 启动和更新Anaconda。
  • 更新scikit-learn库。
  • 安装深度学习库。

1.下载Anaconda

在本步骤中,我们将下载适用于你的平台的Anaconda Python包。

Anaconda是一个免费且易于使用的科学Python环境。

  • 1.访问Anaconda主页
  • 2.在菜单中点击[Products ],点击[Individual Edition](下载),进入下载页面
  • 3.选择适合你的平台(Windows、OSX或Linux)的下载:
    • 选择Python 3.7。
    • 选择Graphical Installer(图形安装程序)。

这将把Anaconda Python包下载到你的工作站。

我使用的是OSX,所以我选择了OSX版本。文件大小约为426MB。

你应该有一个名称类似如下的文件:

Anaconda3-2020.02-MacOSX-x86_64.pkg

2.安装Anaconda

在本步骤中,我们将在你的系统上安装Anaconda Python软件。

此步骤假定你有足够的管理权限在系统上安装软件。

  • 1.双击下载的文件。
  • 2.按照安装向导进行操作。

安装快捷、顺利。

不应该有棘手的问题或难点。

安装时间应该不到10分钟,并且会占用你硬盘上略多于1 GB的空间。

3.启动和更新Anaconda

在此步骤中,我们将确认你的Anaconda Python环境是最新的。

Anaconda附带了一套图形工具,称为Anaconda导航器(Anaconda Navigator)。你可以通过从应用程序启动器打开Anaconda导航器来启动它。

你可以在这里了解到所有关于Anaconda导航器的信息。

稍后你可以使用Anaconda Navigator和图形开发环境;现在,我建议从名为Conda的Anaconda命令行环境开始。

Conda快速、简单,错误消息很难隐藏,你可以快速确认你的环境已安装并正常工作。

  • 1.打开终端(命令行窗口)。
  • 2.键入以下命令以确认Conda安装正确:
conda -V

你应该看到以下内容(或类似内容):

conda 4.2.9
  • 3.键入以下命令确认Python安装正确:
python -V

你应该看到以下内容(或类似内容):

Python 3.5.2 :: Anaconda 4.2.0 (x86_64)

如果命令不起作用或出现错误,请查看文档以获取适用于你的平台的帮助。

请参阅“进一步阅读”部分的一些资源。

  • 4.确认你的CONDA环境是最新的,请键入:
conda update conda
conda update anaconda

你可能需要安装一些软件包并确认更新。

  • 5.确认你的SciPy环境。

下面的脚本将打印机器学习开发所需的关键SciPy库的版本号,特别是:SciPy、NumPy、Matplotlib、Pandas、StatsModels和Scikit-Learning。

你可以键入“python”,然后直接键入命令。或者,我建议打开文本编辑器并将脚本复制粘贴到编辑器中。

# scipy
import scipy
print('scipy: %s' % scipy.__version__)
# numpy
import numpy
print('numpy: %s' % numpy.__version__)
# matplotlib
import matplotlib
print('matplotlib: %s' % matplotlib.__version__)
# pandas
import pandas
print('pandas: %s' % pandas.__version__)
# statsmodels
import statsmodels
print('statsmodels: %s' % statsmodels.__version__)
# scikit-learn
import sklearn
print('sklearn: %s' % sklearn.__version__)

将脚本另存为名为versions.py的文件。

在命令行上,将目录更改为保存脚本的位置,然后键入:

python versions.py

你应该会看到类似如下所示的输出:

scipy: 0.18.1
numpy: 1.11.1
matplotlib: 1.5.3
pandas: 0.18.1
statsmodels: 0.6.1
sklearn: 0.17.1

你的是什么版本?

将输出粘贴到文章的评论中。

4.更新scikit-learn 库

在这一步中,我们将更新Python中用于机器学习的主库,称为scikit-learn。

  • 1.更新scikit-learn最新版本。

在撰写本文时,anaconda附带的scikit-learn版本已经过时(0.17.1而不是0.18.1)。你可以使用conda命令更新特定库;下面是一个更新scikit-learn到最新版本的示例。

在终端,键入:

conda update scikit-learn

或者,你可以通过键入以下命令将库更新为特定版本:

conda install -c anaconda scikit-learn=0.18.1

键入以下命令,通过重新运行versions.py脚本确认安装成功,并且scikit-learn已更新:

python versions.py

你应该会看到类似如下所示的输出:

scipy: 0.18.1
numpy: 1.11.3
matplotlib: 1.5.3
pandas: 0.18.1
statsmodels: 0.6.1
sklearn: 0.18.1

你的是什么版本?

将输出粘贴到文章的评论中。

你可以根据需要使用这些命令更新机器学习和SciPy库。

尝试一个scikit-learn教程,例如:

你的第一个Python机器学习项目

5.安装深度学习库

在本步骤中,我们将安装用于深度学习的Python库,特别是:Theano、TensorFlow和Kera。

注意:我推荐使用Kera进行深度学习,Kera只需要安装Theano或TensorFlow之一。你不需要两个都需要!在某些Windows计算机上安装TensorFlow可能会出现问题。

  • 1.键入以下命令安装Theano Deep Learning库:
conda install theano
  • 2.键入以下命令安装TensorFlow深度学习库(Windows除外):
conda install -c conda-forge tensorflow

或者,你可以选择使用pip和适用于你的平台的特定版本的TensorFlow进行安装。

参阅TensorFlow的安装说明

  • 3.键入以下命令安装Kera:
pip install keras
  • 4.确认你的深度学习环境已安装并且工作正常。

创建一个打印每个库的版本号的脚本,就像我们之前对SciPy环境所做的那样。

# theano
import theano
print('theano: %s' % theano.__version__)
# tensorflow
import tensorflow
print('tensorflow: %s' % tensorflow.__version__)
# keras
import keras
print('keras: %s' % keras.__version__)

将脚本保存到文件deep_versions.py。键入以下内容以运行脚本:

python deep_versions.py

你应该会看到类似如下所示的输出:

theano: 0.8.2.dev-901275534cbfe3fbbe290ce85d1abf8bb9a5b203
tensorflow: 0.12.1
Using TensorFlow backend.
keras: 1.2.1

你的是什么版本?

将输出粘贴到文章的评论中。

尝试KERAS深度学习教程,例如:

进一步阅读

本节提供了一些可供进一步阅读的链接。

Anaconda Documentation
Anaconda Documentation: Installation
Conda
Using conda
Anaconda Navigator
Installing Theano
Install TensorFlow Anaconda
Keras Installation

00

Python

发表评论

电子邮件地址不会被公开。 必填项已用*标注

什么阻碍了你实现迈入机器学习领域的目标?

什么阻碍了你实现迈入机器学习领域的目标?

2020-04-22 机器学习

如果你在为进入机器学习领域而挣扎,感觉到有什么东西阻止了自己的开始,那么你应该看看这篇文章。 在这篇文章中,我们会讨论阻止进入机器学习领域的自我限制的信念,让你明白面临的问题。 几乎总是一种自我限制的信念阻碍了你们的进步。 也许你会在一个或多个这样的信念中看到自己。如果是这样的话, [......]

了解详情

R语言机器学习迷你课程

R语言机器学习迷你课程

2020-08-12 机器学习

在这个迷你课程中,你将发现如何开始,构建精确的模型,并自信地完成在14天内使用R预测建模机器学习项目。 这是一个重要而重要的文章。你可能想把它书签。 了解如何准备数据,拟合机器学习模型,并用我的新书评估他们在r上的预测,包括14步教程、3个项目和完整源代码。 我们开始吧。 [......]

了解详情

关于机器学习的几点思考

关于机器学习的几点思考

2020-04-26 机器学习

机器学习是一个大的、跨学科的研究领域。 你可以通过机器学习获得令人印象深刻的结果,并找到非常具有挑战性的问题的解决方案。但这只是更广泛的机器学习领域的一小部分,通常被称为预测建模或预测分析。 在这篇文章中,你将发现如何改变你对机器学习的思考方式,以便更好地为你提供机器学习实践者的服务。 [......]

了解详情

找到你的机器学习部落

找到你的机器学习部落

2020-04-26 机器学习

机器学习是一个充满算法和数据的迷人而强大的研究领域。 问题是,有这么多不同类型的人对机器学习感兴趣,每个人都有不同的需求。重要的是要了解你想要从机器学习中得到什么,并根据这些需求调整你的自学。 如果你不这样做,你很容易就会陷入困境,迷失方向,失去兴趣,得不到你想要的东西。 找到 [......]

了解详情

应用机器学习过程

应用机器学习过程

2020-04-26 机器学习

随着时间的推移,在处理应用机器学习问题时,你会开发出一种模式或流程,以快速获得良好的正常结果。 一旦开发完成,你就可以在一个又一个项目上反复使用此过程。你的流程越健壮、越发达,你就能越快地获得可靠的结果。 在这篇文章中,我想与你分享我解决机器学习问题的过程框架。 你可以将其用作下一 [......]

了解详情