如何配置anaconda和python_如何使用Anaconda设置机器学习和深度学习的Python环境

有一些平台安装Python机器学习环境可能很麻烦。

首先你得安装Python，然后安装许多软件包这很容易把初学者搞懵。

在本教程中，你将学会如何用Anaconda设置Python机器学习开发环境。

完成本教程后，你将拥有一个Python工作环境，可以让你学习、练习和开发机器学习和深度学习软件。

本说明适用于Windows，Mac OS X和Linux平台。我将在OS X上演示它们，因此你可能会看到一些mac对话框和文件扩展名。

更新 2017/03：注：你需要一个Theano或TensorFlow才能使用Kears进行深度学习。

教程概述

在本教程中，我们将介绍如下步骤：

下载Anaconda

安装Anaconda

启动和更新Anaconda

更新 scikit-learn库

安装深度学习库

下载蟒蛇

在此步骤中，我们将为您的平台下载Anaconda Python。

Anaconda是一个免费且易于操作的科学Python环境。

2.从菜单中点击“Anaconda”，点击“下载”进入下载页面。

3.选择适合您平台的下载(Windows，OSX或Linux)：

选择Python 3.5

选择图形安装程序(Graphical Installer)

将Anaconda Python包下载到您的工作站。

我在OS X上，所以我选择了OS X版本。文件约426 MB。

你应该下载到一个名称如下的文件：

Anaconda3-4.2.0-MacOSX-x86_64.pkg

2.安装蟒蛇

在此步骤中，我们将在您的系统上安装Anaconda Python软件。

此步骤假定你具有足够的管理权限来在系统上安装软件。

1.双击下载的文件。

2.按照安装向导。

安装很顺利应该不会遇到棘手的问题

安装需要不到10分钟，占用硬盘上1 GB的空间。

3.启动和更新蟒蛇

在此步骤中，我们将确认您的Anaconda Python环境是不是最新的。

Anaconda配有一套名为Anaconda Navigator的图形工具。您可以从应用程序启动器打开Anaconda Navigator。

您可以点击这里了解有关Anaconda Navigator的所有信息。

我们稍后使用Anaconda Navigator和图形开发环境; 现在，我建议从Anaconda命令行环境开始，它被称为conda。

Conda快速，简单，不会遗漏错误信息，您可以快速确认您的环境已安装并正常工作。

1.打开终端(命令行窗口)。

2.通过键入以下内容，确认正确安装：

conda -V

你应该看到以下(或类似的东西)：

conda 4.2.9

3.键入以下内容，确认Python已正确安装：

python -V

你应该看到以下(或类似的东西)：

Python 3.5.2 :: Anaconda 4.2.0 (x86_64)

如果命令不起作用或报错，请查看平台的帮助文档。

也可以参阅“延伸阅读”部分的一些资料。

4.为确认您的conda环境是最新的，请输入：

conda update conda

conda update anaconda

你可能需要给一些包安装更新。

5.确认您的SciPy环境。

下面的脚本将打印您需要用于机器学习开发的关键SciPy库的版本号，如： SciPy、NumPy、Matplotlib、Pandas、Statsmodels和Scikit-learn。

您可以键入“python”然后直接键入命令。但我建议打开一个文本文档，并将脚本复制到文档中。

# 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__)

# statsmodels

import statsmodels

print('statsmodels: %s' % statsmodels.__version__)

# scikit-learn

import sklearn

print('sklearn: %s' % sklearn.__version__)

将脚本保存为名称为versions.py的文件。

在命令行中，将目录更改为保存脚本的位置然后键入：

python versions.py

您应该看到如下输出：

scipy: 0.18.1

numpy: 1.11.1

matplotlib: 1.5.3

pandas: 0.18.1

statsmodels: 0.6.1

sklearn: 0.17.1

4.更新scikit-learn库

在这一步中，我们将在Python中更新用于机器学习的库，名为scikit-learn。

1.更新scikit-learn到最新版本。

在撰写本文时，Anaconda发行的scikit-learning版本已经过期(0.17.1，而不是0.18.1)。您可以使用conda命令更新特定的库; 以下是将scikit-learn更新到最新版本的示例。

输入：

conda update scikit-learn

你也可以键入如下内容把他升级到特定的版本：

conda install -c anaconda scikit-learn=0.18.1

为了确认是否安装成功，你可以键入以下内容重新运行version.py脚本:

你应该看到如下的输出:

scipy: 0.18.1

numpy: 1.11.3

matplotlib: 1.5.3

pandas: 0.18.1

statsmodels: 0.6.1

sklearn: 0.18.1

你可以根据需要使用这些命令更新机器学习和SciPy库。

点击下方链接阅读scikit-learn教程：

5.安装深度学习库

在这一步中，我们将安装用于深度学习的Python库，主要是：Theano，TensorFlow和Keras。

注意：我建议使用Keras进行深度学习，而Keras只需要安装Tnano或TensorFlow中的一个。在某些Windows系统上安装TensorFlow可能会出现问题。

1.通过键入以下内容安装Theano深度学习库：

conda install theano

2.安装TensorFlow深度学习库(Windows除外)，键入以下内容：

conda install -c conda-forge tensorflow

或者，您可以选择使用pip和特定版本的tensorflow为您的平台进行安装。

详情请参阅tensorflow的安装说明。

3.通过键入以下内容安装Keras：

pip install keras

4.确认您的深入学习环境已安装并正常工作。

创建一个脚本，该脚本打印每个库的版本号，就像我们上面为安装SciPy环境所做的那样。

# theano

import theano

print('theano: %s' % theano.__version__)

# tensorflow

import tensorflow

print('tensorflow: %s' % tensorflow.__version__)

# keras

import keras

print('keras: %s' % keras.__version__)

将脚本保存成文件deep_versions.py。输入以下命令来运行脚本：

python deep_versions.py

你应该看到如下输出：

theano: 0.8.2.dev-901275534cbfe3fbbe290ce85d1abf8bb9a5b203

tensorflow: 0.12.1

Using TensorFlow backend.

keras: 1.2.1

尝试一下Keras深度学习教程，如：Anaconda

进一步阅读

本节提供一些进一步阅读的链接。

总结

恭喜你现在拥有一个用于机器学习和深入学习的工作Python开发环境。

你现在可以在工作站上学习和练习机器学习和深度学习。