学校一位老师要出一系列教程,我帮着写了一些代码。以此为契机开始学习神经网络。本章是配置篇,教程文件是老师发给我的,跟着一步一步做下来就好。MAC和WINDOWS系统的配置方法都在里面,文件里是有图的。内容来源于文件故表明转载,但确实不知道是哪里来的文件(笑)
链接:https://pan.baidu.com/s/1f7K763Bl7SCbZBNeRUuSJQ
提取码:xzlm
一、下载并安装 Anaconda
访问 Anaconda 官方网址 https://www.anaconda.com/distribution/;
官网提供了两种 Python版本的下载按钮,在这里推荐下载 Python3.7 版本的 Anaconda;注意选择和电脑操作系统位数符合的安装包。
接下来的安装就和平时安装软件一样。
二、安装 sklearn 包
在开始菜单中找到 Anaconda 的文件目录。Anaconda Prompt 是安装各种 python 包的命令行窗口;Spyder 是编辑和运行 python 程序的界面;Anaconda Navigator 相当于软件的主界面,点击进去也能看到Spyder 程序入口。单击 Anaconda Prompt(或者调出 Windows 命令窗口),输入conda list 并回车,可以看到目前已经安装到 python 包。
输入 conda install scikit-learn 并回车安装 sklearn 包,在此过程中会被询问是否进行安装,输入 y 并回车,至此系统自动安装 sklearn 包;
安装好 sklearn 包后,我们打开 Spyder,输入:import sklearn 和 print(“hello world”),点击左上角绿色三角按钮运行程序,在蓝色框内可以看到程序运行结果,不报错即成功安装 sklearn。其他 python 包的安装:其他 python 包的安装的命令和 sklearn 包安装命令一样, 都是用“conda install 包的名字”,例如安装 numpy 包,命令为 conda install numpy。
三、利用 conda 创建虚拟环境
在项目开发过程中我们时常会用到不同的环境配置(可以理解为为不同的项目安装不同的 python 包),有些 python 包之间可能会不兼容,这就需要我们在我们的计算机上对不同的环境配置进行隔离。隔离的方法就是创建虚拟环境。同样我们还是在 Anaconda Prompt 命令窗口下用命令行的形式创建虚拟环境。
创建虚拟环境命令:conda create -n 虚拟环境名 python=**;例如我们要创建一个名字为 mypython,python 版本为 3.6 的虚拟环境,就执行命令: conda create -n mypython python=3.6
删除虚拟环境命令:conda remove -n 虚拟环境名 --all 例如我们要删除此前创建的 mypython 虚拟环境,执行命令: conda remove -n mypython –all
激活虚拟环境的命令为:activate 虚拟环境名;例如激活 mypython 虚拟环境,执行命令: activate mypython
退出虚拟环境:deactivate
四、安装 Tensorflow
Tensorflow 的安装方法和 python 包的安装方法一样,但是目前 Tensorflow 最稳定的版本最高支持 python3.5,更高的 python 版本安装 Tensorflow 会出现错误,因此先新建名为 tf 的、python=3.5 的虚拟环境,然后激活虚拟环境在虚拟环境下安装 Tensorflow。
- 打开 Anaconda Prompt。
- 新建虚拟环境:输入 conda create -n tf python=3.5 并回车,如图 1.13 所示。
- 在建立虚拟环境的过程中同样会被问到是否进行安装,输入 y 并回车,如图 1.14
- 激活虚拟环境:输入命令 activate tf 并回车,如图 1.15 所示,从图中可以看到在激活 tf 虚拟环境后,红框圈起来的位置由 base 变成 tf,说明虚拟环境 tf 被激活。
- 安装 Tensorflow。输入命令:conda install tensorflow 并回车,如图 1.16 所示;在安装过程中同样会被询问是否安装,输入 y 并回车,如图 1.17 所示。
- 对已经安装好的 Tensorflow 进行测试。
-
在 Tensorflow 安装好后,在 tf 虚拟环境激活的情况下,在 Aanaconda Prompt 命令行中输入 python,进入 python 代码编辑模式。输入 Tensorflow 测试代码:
import tensorflow as tf sess = tf.Session()
a = tf.constant(17)
b = tf.constant(3) sess.run(a+b)
回车后输出 20,可见 Tensorflow 环境成功配置。