独家 | 手把手教你用Python 3创建用于机器学习开发的Linux虚拟机（附安装教程&代码）

原文标题：How to Create a Linux Virtual Machine For Machine Learning Development With Python 3

作者：Jason Brownlee

翻译：杨金鸿

翻译校对：白静

文字校对：丁楠雅

本文长度为3000字，建议阅读8分钟

本文主要内容包括Linux虚拟机的优点、安装教程以及使用VM的技巧。

Linux是使用Python进行机器学习开发的极佳环境。这些工具能够被简便快捷地安装，并且您可以直接开发和运行大型模型。

 

在本教程中，您将了解如何使用Python创建和安装用于机器学习的Linux虚拟机。完成本教程后，您将知道:

• 如何下载和安装VirtualBox来管理虚拟机

• 如何下载和安装Fedora Linux

• 如何在Python 3中为机器学习安装一个SciPy环境

如果您的电脑操作系统是Windows、Mac OS X和Linux。那么本教程是适合您的。

Linux虚拟机的好处

您可能有很多原因想要使用Linux虚拟机来进行Python机器学习开发。例如，下面列出了使用虚拟机的5大好处:

• 使用在本机系统上不可用的工具（如果您的操作系统是Windows）

• 在不影响本地环境的情况下安装和使用机器学习工具(例如：使用Python 3工具)

• 为不同的项目(Python2和Python3)提供高度定制的环境

• 为了节省机器的状态，并准确地找出你离开的地方(从机器转跳到机器)

• 与其他开发人员共享开发环境（创建一次，多次重用）

也许最有利的一点是第一点，能够很容易地使用不受环境支持的电脑操作系统，使用机器学习工具。

我是一个OS X用户，尽管机器学习工具可以使用BREW和MacPorts安装，我还是认为为机器学习开发安装和使用Linux虚拟机更容易。

概述

本教程分为三个部分:

1.下载并安装VirtualBox

2.下载并在虚拟机中安装Fedora Linux

3.安装Python机器学习环境

1. 下载并安装VirtualBox

VirtualBox是一个用于创建和管理虚拟机的免费开源平台。

一旦安装好，你就可以创建所有你喜欢的虚拟机，只要你有ISO映像或者CD就可以安装。

• 访问VirtualBox.org

• 点击“下载VirtualBox”来访问下载页面

 

• 为您的虚拟机选择二进制文件

• 为您的系统安装软件，并遵循安装说明

 

• 打开VirtualBox软件并批准它的工作

 

2.下载并安装Fedora Linux

我选择了Fedora Linux，因为我认为和其他的Linux相比，它更亲切、更温和。对于面向虚拟机和开发人员的RedHat Linux来说，它具有领先优势。

2.1下载Fedora ISO映像

让我们从下载Fedora Linux的ISO开始。Fedora 25为64位版本。

• 访问getfedora.org

• 单击“Workstation”访问虚拟机页面

• 点击“立刻下载”来访问下载页面

• 在“其他下载”下，点击“64位1.3 GB实时镜像”

 

• 您现在应该有一个具有名字的ISO文件: “Fedora-Workstation-Live-x86_64-25-1.3.iso“

现在我们已经准备好在VirtualBox中创建VM了。

2.2创建Fedora虚拟机

现在，让我们在VirtualBox中创建Fedora虚拟机。

• 打开VirtualBox软件

• 点击“NEW”按钮

• 选择名称和操作系统 
  

          名称：Fedora25

          类型：Linux

          版本：Fedora (64-bit)

          点击:“Continue”

 

• 配置内存大小

          2048

• 配置硬盘

          现在创建一个虚拟硬盘。

          硬盘文件类型。

          VDI(VirtualBox磁盘镜像)。

          物理硬盘上的存储。

          动态分配

          文件位置和大小：10G

现在我们已经准备好从ISO映像安装Fedora。

2.3 Fedora Linux 安装

现在，让我们在新的虚拟机上安装Fedora Linux。

• 选择新的虚拟机并点击“开始”按钮

• 单击文件夹图标，选择Fedora ISO文件

          “Fedora-Workstation-Live-x86_64-25-1.3.iso”

 

• 点击“开始按钮”

• 选择第一个选项“Start Fedora-Live-Workstation-Live 25”并按下回车键

• 点击“ESC”键跳过检查

• 选择“实时系统用户”

• 选择“安装到硬盘驱动器”

 

• 完成“语言选择”(英语)

• 完成“安装目标”(“ATA VBOX硬盘”)

          您可能需要等一分钟才能让VM创建硬盘

 

• 点击“开始安装”

• 设置root密码

• 创建你自己的一个用户

            记下用户名和密码（以便以后可以使用）

            勾选“让这个用户为管理员”(这样您就可以安装软件)

 

• 等待安装完成。(大约5分钟)

• 点击“退出”，点击右上方的电源图标，选择“关机”

2.4 Fedora Linux安装完成

Fedora Linux已经安装；让我们完成最后的安装，使它可以使用。

• 在VirtualBox选择fedora25 VM，在“存储”下，单击“光盘驱动器”选择“从虚拟驱动器中删除磁盘”，以弹出ISO镜像

• 单击“开始”按钮启动Fedora Linux的安装

• 使用你创建的用户登入系统

 

• 完成安装

         选择语言“英语”

         点击“下一步”

         选择键盘为“US”

         点击“下一步”

         配置隐私权

         点击“下一步”

         连接你的网络账户

         点击“跳过”

         点击“开始使用Fedora”

• 关闭自动启动的帮助系统

现在我们有了Fedora Linux虚拟机，准备安装新的软件。

3.安装Python机器学习环境

Fedora使用Gnome 3作为窗口管理器。Gnome 3与之前的Gnome版本有很大的不同;通过使用内置的帮助系统，您可以学习如何使用它。

3.1 安装Python环境

让我们从为机器学习开发安装所需的Python库开始。

• 打开终端

         点击“Activities”

         输入：“终端”

         点击图标或者按回车键

 

• 确认Python3安装

          输入：

python3 --version

 

• 安装Python机器学习环境。具体地:

          NumPy

          SciPy

          Pandas

          Matplotlib

          Statsmodels

          Scikit-Learn

DNF是一个软件安装系统，正式的yum。第一次运行DNF时，它将更新包的数据库，这可能需要一分钟。

输入：

sudo dnf install python3-numpy python3-scipy python3-scikit-learn python3-pandas python3-matplotlib python3-statsmodels

当提示时输入您的密码，通过按“y”或“enter”来确认安装。

3.2 确认Python环境

现在已经安装了环境，我们可以通过打印每个必需的库的版本来确认它。

• 打开：“Gedit”.

          点击：“Activities”

          输入：“gedit“

• 点击图标或者按回车键

在主目录中将其保存为versions.py

# 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__) # scikit-learn import sklearn print('sklearn: %s' % sklearn.__version__) # statsmodels import statsmodels print('statsmodels: %s' % statsmodels.__version__)

没有复制粘贴的支持；你可能想要在VM中打开Firefox、浏览这个界面并且复制粘贴这个脚本到你的gedit窗口中。

 

• 在终端中运行脚本

输入：

python3 versions.py

 

使用VM的技巧

本节列出一些使用VM进行机器学习开发的技巧。

• 复制粘贴和文件夹共享：这些特性需要在Linux虚拟机中安装“Guest Additions”。我没有能够正确地安装它，因此不使用这些特性。如果你喜欢，你可以试试；请在评论中让我知道你是怎么做的。

• 使用GitHub：我建议在GitHub中存储所有代码，并从VM中检查代码。这使得从VM中获取代码和资产变得更加容易。

• 使用Sublime. 我认为对用于Linux开发来说，Sublime是一个很棒的文本编辑器，至少比Gedit好。

• 使用AWS来做大的工作：您可以使用相同的步骤在Amazon Web Services上安装Fedora Linux，以便在云中运行大型模型。

• VM工具：通过关闭窗口，您可以在任何时候保存VM。您还可以在任意时刻获取VM的快照，并返回到快照。如果您正在对文件系统进行较大的更改，那么这将是很有帮助的。

• 您可以轻松地在Linux中安装Python2和Python 3，并使用Python(而不是python3)二进制文件，或者使用替代方案来在两者之间切换。

• 笔记本：考虑在VM内运行一个笔记本服务器并打开防火墙，这样您就可以在VM之外的主工作站进行连接和运行

你有什么建议可以分享吗？请在评论中告诉我。

扩展阅读

下面是一些关于进一步阅读的资源，如果您对本教程中使用的工具是新手的话。

• VirtualBox User Manual

• Fedora Documentation

• Fedora Wiki (tons of help on common topics)

• SciPy Homepage

• Scikit-Learn Homepage

总结

在本教程中，您了解了如何为Python机器学习开发安装Linux虚拟机。

具体来说，你学到了：

• 如何下载和安装VirtualBox，免费的开源软件来管理虚拟机。

• 如何下载和安装Fedora Linux，这是一个面向开发者的友好的Linux发行版。

• 如何为机器学习开发安装和测试一个Python3环境。

你完成了这个教程吗？请在下面的评论中告诉我。

原文链接：

https://machinelearningmastery.com/linux-virtual-machine-machine-learning-development-python-3/

编辑：文婧

杨金鸿，北京护航科技有限公司员工，在业余时间喜欢翻译一些技术文档。喜欢阅读有关数据挖掘、数据库之类的书，学习java语言编程等，希望能在数据派平台上熟识更多爱好相同的伙伴，今后能在数据科学的道路上走的更远，飞的更远。

翻译组招募信息

工作内容：将选取好的外文前沿文章准确地翻译成流畅的中文。如果你是数据科学/统计学/计算机专业的留学生，或在海外从事相关工作，或对自己外语水平有信心的朋友，数据派翻译组欢迎你们加入！

你能得到：提高对于数据科学前沿的认知，提高对外文新闻来源渠道的认知，海外的朋友可以和国内技术应用发展保持联系，数据派团队产学研的背景为志愿者带来好的发展机遇。

其他福利：和来自于名企的数据科学工作者，北大清华以及海外等名校学生共同合作、交流。

点击文末“阅读原文”加入数据派团队~

为保证发文质量、树立口碑，数据派现设立“错别字基金”，鼓励读者积极纠错。

若您在阅读文章过程中发现任何错误，请在文末留言，或到后台反馈，经小编确认后，数据派将向检举读者发8.8元红包。

同一位读者指出同一篇文章多处错误，奖金不变。不同读者指出同一处错误，奖励第一位读者。

感谢一直以来您的关注和支持，希望您能够监督数据派产出更加高质的内容。

转载须知

如需转载，请在开篇显著位置注明作者和出处（转自：数据派THUID：DatapiTHU），并在文章结尾放置数据派醒目二维码。有原创标识文章，请发送【文章名称-待授权公众号名称及ID】至联系邮箱，申请白名单授权并按要求编辑。

发布后请将链接反馈至联系邮箱（见下方）。未经许可的转载以及改编者，我们将依法追究其法律责任。

点击“阅读原文”加入组织~