机器学习的环境搭建流程

一、需要：

python解释器、pycharm、anaconda、机器学习需要的第三方包

二、流程：

1.先确定进行机器学习需要的主要包之间的依赖关系及对应的python版本，建议python版本不要太高（3.6或者3.7比较好），因为许多第三方的机器学习包并未对新版本的python进行适配（你如python3.8活python3.9）。

2.了解python解释器、pycharm、anaconda、第三方包之间的关系，即：

python解释器是真正负责将函数语句变为可执行的二进制文件的工具（这一点和Java解释器等解释器没有区别）；

pycharm是可以帮助用户在使用Python语言开发时提高其效率的软件（准确说是集成开发工具），类似的软件或者spyder、jupyter、Eclipse、Vscode等，主要功能是代码调试 、语法高亮 、项目管理 、代码跳转、智能提示、自动完成、单元测试、版本控制等

anaconda，在进行程序开发过程中一般需要用到许多的第三方包，要流畅顺利的使用这些第三方就要保证包之间的依赖关系正确（即版本对应），若要人工依次安装所有依赖包则过于低效且容易失败，而anaconda则是可以解决这个问题。在用户在anaconda创建python环境中安装某个第三包时，anaconda会自动寻找使用这个包需要依赖的包，并保证包之间的版本对应关系正确，然后会自动安装所有需要的第三方包。

第三方包：除python标准库之外的所有用到的包都是第三方包，使用命令为"import 包的name"。

三.配置环境（安装第三方包的过程）

1.建议先使用anaconda创建一个新的专门用于机器学习的环境，步骤为"打开Anaconda-Environments-create-选择python版本及输入新环境的名称-点击create"；环境名只能输入英文，此时创建好的环境中含有一些包。

2.通过“win+R”进入命令行，输入命令“activate 新环境名”进入新创建的环境，然后开始安装第三方包的操作，下面介绍安装第三方包的三种方式：

1）使用“conda install 包的name”，如果需要指定包的版本则命令为“conda install 包的name=版本号”

2）当遇到第一种方法提示找不到包的时候，可以到anaconda的网站上去搜索：www.anaconda.org   找到安装命令后复制，然后在cmd中粘贴回车

 3.当以上两种方法都行不通时，使用pip的方式进行安装，pip是一种安装其它第三方包的第三方包，anaconda中已经内置，一般不需要用户自己安装，命令为“pip install 包的name==版本号”；

4.第四种是第三种的升级版，当某些包通过pip方式安装下载速度过慢时，需要指定国内的镜像源网站（因为pip的默认网站下载包的速度比较慢），命令为"pip install -i https://******/ 包的name==版本号"

5.到pip的包下载网站下载好包文件（比如pip · PyPI），然后将文件放置在"anaconda安装目录的envs下新环境的文件夹下的Scripts文件中"，然后直接在此文件夹进入cmd，然后输入"pip install +路径+whl文件名.whl"。

四、使用anaconda进行环境是否配置成功的验证

1.简单验证方法：

在pycharm编辑区中输入"import 包的name"  看语句下是否有红色破浪线，哪个"import 包的name"有红色线则表示这个包未安装或未正确安装。

2.完整验证方法：

输入自己的程序，查看是否能够得到正确结果

五、安装过程中的注意点

下期再来~，求三连！！！