安装机器学习环境依赖库的时候,由于python版本的多样和并存,导致与pip对应的版本有时候也不一致,因此使用Anaconda安装虚拟环境,进而解决python多版本并存,切换问题。
1.Anaconda功能介绍
(1)提供了包管理功能。
(2)提供环境管理功能,解决了多版本的python并存切换问题。
2.Anaconda下载
直接到官方网站官网下载,对应的有Windows,macOS,Linux系统下的,同时对应的python版本有3.7,有2.7,选择相应的即可,具体要查看你的配置参数。
3.conda命令管理
安装成功后,conda会默认加入到环境变量中,因此可以直接在命令行运行命令conda
(1)创建虚拟环境
conda create -n tensorflow
(2)激活环境
conda activate tensorflow
这里建议直接写到脚本里,在启动时直接启动环境
vim ~/.bashrc
写好后,source一下即可
source ~/.bashrc
(3)查看pip版本,下载,安装
pip -V
conda install pip
pip install --upgrade pip
升级完后,查看版本就会发现,python和对应的pip版本一致
(4)安装依赖库
原则就是能用conda安装就安装,如果没有对应的库,就用pip装,都装不上再用源码装
例如安装numpy:
conda install numpy
安装tensorflow:
先在官网上下载对应的编译过的tensorflow包,这样就会编译得快,而且不容易出错,比如在arm系统上通过github下载https://github.com/lhelontra/tensorflow-on-arm/releases选择对应的tensorflow版本,以及对应的python版本
pip install tensorflow-1.14.0-cp37-******.whl
(5)退出当前环境
conda deactivate tensorflow
(6)删除该环境
conda remove -n tensorflow --all
注意在使用pip命令的时候,提示权限不足的时候,一定不要用sudo,因为sudo是机器的python版本,可能和你的虚拟环境的版本不一致,可以采用–user解决权限问题:
pip install --user sklearn
如果在安装过程中,报错,缺乏相应的依赖库,就缺什么,安装什么。原则还是先conda,后pip,实在不行用源码。