简介
对于很多刚入门机器学习或深度学习的同学来说,搭建环境是相当的头疼,不仅是因为是选择windows 还是Ubuntu,即使Python的选择也很纠结,到底是Python2或者pyhon3,到底是用pycharm这种功能完整,编译调试方便的IDE,还是应用anocanda搭建jupyter notebook.由于选择太多,反而患了选择恐惧症,不知道哪一个适合自己。这里我推荐如果您想在windows下想浅尝辄止的学习一下,那你就选择pycharm,下载安装的时候会选择Python版本,Python2在将来是逐渐退出维护的,所以推荐Python3.如果你想一直将来从事人工智能相关的工作,推荐还是在ubuntu上搭建属于自己的环境,便于自己开发。当然Windows下也支持anaconda,也可以搭建深度学习环境。本文主要是介绍如何在Ubuntu下搭建属于自己的深度学习环境(机器学习通用)。
anaconda介绍及安装
使用 Anaconda 来管理 Python 所用的包和环境。Anaconda 能让你在数据科学的工作中轻松安装经常使用的程序包。你还将使用它创建虚拟环境,以便更轻松地处理多个项目。Anaconda 简化了工作流程,并且解决了多个包和 Python 版本之间遇到的大量问题。Anaconda 实际上是一个软件发行版,它附带了 conda
、Python 和 150 多个科学包及其依赖项。应用程序 conda
是包和环境管理器。Anaconda 的下载文件比较大(约 500 MB),因为它附带了 Python 中最常用的数据科学包。
anaconda安装过程
1.官网下载anaconda安装包,选择linux->python3.7的最新版本。
2.在文件所在路径下执行下面的命令安装。
bash Anaconda2-2018.12-Linux-x86_64.sh //注意修改所文件名为你下载的anaconda文件名
3.验证是否成功
conda list //如果显示很多包,则表示安装成功
conda管理包
conda 包管理器用于在计算机上安装库和其他软件。你可能已经熟悉 pip
,它是 Python 库的默认包管理器。conda
与 pip
相似,不同之处是可用的包以数据科学包为主,而 pip
适合一般用途。与此同时,conda
并非像 pip
那样专门适用于 Python,它也可以安装非 Python 的包。它是支持任何软件的包管理器。也就是说,虽然并非所有的 Python 库都能通过 Anaconda 发行版和 conda 获得,但同时它也支持非 Python 库的获得。在使用 conda 的同时,你仍可以使用 pip
来安装包。
conda 安装包
conda管理包是相当简单的。要安装包,请在终端中键入"conda install package_name"
。例如,要安装 numpy,请键入 :
conda install numpy
conda 安装多个包
conda install numpy scipy pandas
conda 卸载包
conda remove package_name
conda 跟新包
conda update package_name
//跟新所有包
conda update --all
环境管理
下面重点介绍如何用conda搭建自己的环境,可以使用 conda 创建环境以隔离项目.
要创建环境,请在终端中使用 conda create -n env_name list of packages
。在这里,-n env_name
设置环境的名称(-n
是指名称),而 list of packages
是要安装在环境中的包的列表。例如,要创建名为 my_env
的环境并在其中安装 numpy,请键入 :
conda create -n my_env numpy
创建环境时,可以指定要安装在环境中的 Python 版本。这在你同时使用 Python 2.x 和 Python 3.x 中的代码时很有用。要创建具有特定 Python 版本的环境,请键入类似于 conda create -n py3 python=3
或 conda create -n py2 python=2
的命令。实际上,我在我的个人计算机上创建了这两个环境。我将它们用作与任何特定项目均无关的通用环境,以处理普通的工作(可轻松使用每个 Python 版本)。这些命令将分别安装 Python 3 和 Python 2 的最新版本。要安装特定版本(例如 Python 3.7),请使用 conda create -n py python=3.7
。
进入环境
source activate my_env
进入环境后,你会在终端提示符中看到环境名称,它类似于 (my_env) ~ $
。环境中只安装了几个默认的包,以及你在创建它时安装的包。你可以使用 conda list
检查这一点。在环境中安装包的命令与前面一样:conda install package_name
。不过,这次你安装的特定包仅在你进入环境后才可用。
退出环境
source deactivate
环境共享
共享环境这项功能确实很有用,它能让其他人安装你的代码中使用的所有包,并确保这些包的版本正确。你可以使用 :
conda env export > environment.yaml
包保存环境为 yaml文件。命令的第一部分 conda env export
用于输出环境中的所有包的名称(包括 Python 版本)。导出命令的第二部分 > environment.yaml
将导出的文本写入到 YAML 文件 environment.yaml
中。现在可以共享此文件,而且其他人能够用于创建和你项目相同的环境。
要通过环境文件创建环境,请使用:
conda env create -f environment.yaml
列出环境
conda env list
删除环境
conda env remove -n env_name //删除指定的环境(在这里名为 env_name)。
以上内容搭建了深度学习的环境,但是还没有一个具体的写代码,编译,调试的工具,这时候该jupyter notebook 出场了。
jupyter notebook 介绍
Jupyter notebook 是一种 Web 应用,能让用户将说明文本、数学方程、代码和可视化内容全部组合到一个易于共享的文档中。Jupyter Notebook 已迅速成为处理数据的必备工具。其用途包括数据清理和探索、可视化、深度学习和大数据分析。你在 Web 应用中编写的代码通过该服务器发送给内核,内核运行代码,并将结果发送回该服务器。之后,任何输出都会返回到浏览器中。保存 notebook 时,它将作为 JSON 文件(文件扩展名为 .ipynb
)写入到该服务器中。
jupyter notebook 安装
在您自定义的环境中通过conda 安装。
conda install jupyter notebook
启动jupyter notebook
1.首先通过以下命令进入深度学习环境 :
source activate 环境名
2.打开jupyter notebook
jupyter notebook
运行此命令时(请自己试一下!),服务器主页会在浏览器中打开。默认情况下,notebook 服务器的运行地址是 http://localhost:8888
。该地址的含义是:localhost
表示你的计算机,而 8888
是服务器的通信端口.
执行完以上步骤,您就完成了深度学习环境的搭建,进入了jupyter notebook 开发界面,接下来就可以写代码测试了。