机器学习系列1：第一步【环境准备】

赋闲在家，开始学习机器学习。

以前的产品中，我们用过几种回归模型，不过都是负责模型的同事帮忙建模，指导开发同事把模型应用于产品的具体业务模块中。我虽然参与并指导了整个过程，但并没有动手操作，这次开始自己准备几个模型学习下。

第一步：准备环境

机器学习最常用的语言非Python莫属了。OK，准备Python环境。

如果自己安装Python及各种库，可以百度相关内容，我这里直接使用Docker环境。

最近发现Docker还真是个不错的东西，非常适合开发人员快速拿出一个环境上手操作。也非常适合用于测试，测试的同事可以准备好一套环境后，发布为镜像，然后基于shell快速搭建若干套测试环境。

0x00：准备云服务器

    我试过阿里、腾讯、华为云，最近618各家还在做一些促销活动。比较了下，同一价位中，华为云的带宽远胜过腾讯云。这次就用华为云了。

0x01：安装Docker

    云服务器的操作系统不同，docker的安装方法稍有差别，不过相差不大。具体可以百度各位大神的分享。

0x02：镜像选择

    docker提供docker search命令，想要什么环境直接搜索。里面有各位前辈制作的各种镜像。

    排在前面的是使用人数比较多的镜像，可以根据描述，从里面选择本次需要的镜像文件。

    本次我们采用“tensorflow/tensorflow”镜像

0x03：下载镜像

    docker pull命令把镜像下载到本地

0x04：使用镜像

    docker run命令

    这里需要注意，看我们后续的使用方式，可以在linux terminal中编辑python文件，然后运行，也可以使用镜像提供的Jupyter环境，直接在浏览器中编辑。如果使用Jupyter。需要我们在云服务的网络管理中添加相应的访问规则。如放开8888端口等。

sudo docker run --name ming-tensortflow -it -p 8888:8888 -v ~/pythonstudy:/study  tensorflow/tensorflow

    这里注意加颜色的部分

    ming-tensortflow是我自己给容器起的名字，可以随便修改

    ~/pythonstudy是我的华为云服务器上的一个目录

    /study是docker容器内虚拟机的目录，就是把我云服务器上的一个真实目录映射为虚拟机内的一个目录，方便后续存储文件等。

    此处映射了端口8888

0x05：正式开始机器学习

    我们可以先找一些demo，在环境中一步一步试试效果，理解每一步的内容，同时，补充学习各种算法的基础知识和适用场景。

    具体内容，我们后续文章继续介绍。

转载于:https://my.oschina.net/hoticeses/blog/1832692