python工作者工作环境_我的深度学习工作环境

我的深度学习工作环境

向读者介绍我的工作环境，包括使用的电脑、各种配置、安装的软件、使用的语言等。文章的目的是大而全，因此工具一般只是简单的介绍，更多内容我一般都会推荐几个链接，想要深度了解的读者可以打开相关链接。

操作系统

我使用的是2016年的Mac Pro笔记本，配置如下图。





写作工具MWeb

这是一个比较好用的markdown写作软件，用于日常写作，写完后发布在知乎。官方说法是“专业的Markdown写作、记笔记、静态博客生成软件”。

苹果商店下载



数据科学管理工具Anaconda

Anaconda是免费的、易于安装的、专门为数据科学开发用于管理环境和packages的工具。通过安装Anaconda，我们就可以方便的安装和管理python和jupyter notebook这两个超级实用工具。

Anaconda可以在Windows, macOS或者Linux等平台使用。包含了Python, Jupyter Notebook和其他常用的科学计算和数据科学库。



下载和安装非常简单，读者可以在官网下载安装。

编程语言Python

从官网安装Python或通过Conda安装Python，我推荐后者，上面说了，实用Anoconda因为易于管理。



创建环境的话命令如下$ conda create -n env_name list of packages其中env_name是你要创建的环境的名称，list of packages是你要随着环境一起安装的包。例如，如果我们想创建一个名字是python3的环境，安装python>3版本的话，打开终端，执行下面的命令：

进入你的环境

$ conda create -n python3 python=3

离开环境

$ source activate python3

保存环境

$ source deactivate

实验工具Jupyter Notebook

jupyter notebook可以方便的将代码、文本和可视化结合在一起，笔者认为是实验数学科学的不二之选。当然你也可以从官网下载。

如果你按照上面的步骤安装了Anaconda，那么恭喜你，你已经在默认环境安装好了Jupyter Notebook。

如果你想要使用指定版本python的工作环境，例如我们在上一步创建了python3工作环境，那么你还需要进入该环境并安装jupyter notebook：

conda create -n py python=3.3

小技巧：安装成功后，执行conda install nb_conda安装环境管理插件，可以非常方便的管理环境的安装包。

打开Jupyter Notebook的方式很简单，首先通过终端进入你的工作文件夹，然后执行：

$ jupyter notebook

如果安装成功，那么在首页的右侧点击new，下拉菜单中应该能够看见所有的安装好的环境。



云盘工具

百度网盘，使用的原因很简单，本地空间不够用！也为了数据资料的安全备份。

建议官网下载安装。



不多介绍了，使用很简单。

代码版本管理工具GitHub

非常重要的工具，用于管理代码版本，一般我会把各种代码开源到这里，也欢迎大家关注我的github：https://github.com/freefrog1986?tab=repositories



Numpy

读者可以打开jupyter notebook新建一个notebook，直接导入Numpy成功，说明Numpy已经默认安装好了。



Numpy是Python最好用的科学计算库，具体使用可以看我专栏的文章

Pandas

Pandas是python的一个功能非常强大的数据分析库，同样jupyter notebook已经安装好。

机器学习库scikit-learn



可以通过import sklearn as sk引用：

深度学习库tensorflow

如果读者直接在jupyter notebook使用tensorflow的话会无法调用，因为我们还没有安装该包。如何在jupyter notebook安装该包，很简单，如果你在安装jupyter notebook时也安装了小技巧中的插件：

小技巧：安装成功后，执行conda install nb_conda安装环境管理插件，可以非常方便的管理环境的安装包。

那么可以在jupyter notebook的初始页面选择Conda标签页，搜索tensorflow后点击旁边的向右的箭头安装。

小技巧：安装成功后，执行conda install nb_conda安装环境管理插件，可以非常方便的管理环境的安装包。



读者也可以进入对应的环境后安装，例如我想在python3环境安装tensorflow，执行下面的命令：

$ source activate python3

$ conda install package_name

深度学习库keras

Keras 是一个high-level的神经网络API, 使用Python编写可以运行在TensorFlow, CNTK, 或Theano等框架下. 优点是简单快速. 能够实现”从想法到结果“的快速实验。



我们同样可以使用conda在指定的环境安装keras，这里以我们前面创建的python3环境为例：

$ source activate python3

$ conda install keras

未完待续...