Anaconda环境配置

任务一：完成Anaconda的下载

步骤一：安装Anaconda

请按照以下步骤安装Anaconda：

访问anaconda官网 Free Download | Anaconda（需要科学上网）

也可以找清华镜像（无需科学上网）

anaconda | 镜像站使用帮助 | 清华大学开源软件镜像站 | Tsinghua Open Source Mirror

步骤二：配置环境变量：

并确保在安装过程中将Anaconda添加到系统环境变量中

步骤三：验证Anaconda是否正确安装。

在终端（或Anaconda Prompt）中运行以下命令并记录输出：

conda --version  

输出 Anaconda 的版本号 说明Anaconda已经正确安装

任务二：创建Python虚拟环境

使用Anaconda创建一个名为ml_env的Python虚拟环境，并选择Python 3.8版本。请在终端（或Anaconda Prompt）中执行以下命令：

conda create --name ml_env python=3.8

运行结果输出效果

接下来会显示一个选择，输入y

运行结果：

任务三：激活和退出虚拟环境

激活名为ml_env的虚拟环境。

在虚拟环境中安装一个Python库，比如NumPy。确保它只在当前虚拟环境中可用。

退出虚拟环境。

• 激活虚拟环境：

  • Windows系统：activate ml_env

    
    
     

    # Unix/Linux/macOS系统：source activate ml_env

  • 安装NumPy库： 在激活的虚拟环境中执行：

    conda install numpy

    
    

  • 输入y即可
    

  • 退出虚拟环境：

    # Windows系统：conda deactivate

    

  • Unix/Linux/macOS系统：source deactivate

任务四：安装额外的Python库

在虚拟环境中，安装以下机器学习库：

安装额外的Python库

在虚拟环境中，安装以下机器学习库：scikit-learn  matplotlib  pandas

4.1 scikit-learn

输入y即可

4.2 matplotlib

4.3 pandas

确保这些库的安装只对当前虚拟环境生效。

任务五：导出和导入环境配置

导出当前虚拟环境ml_env的配置到一个YAML文件，命名为ml_env.yml

创建一个新的Python虚拟环境，名为new_env，并从之前导出的ml_env.yml文件中导入配置

conda env create -f ml_env.yml --name new_env

附加挑战任务

为了更深入地理解Anaconda和虚拟环境的概念，学生可以尝试以下挑战任务：

创建一个新的虚拟环境，将其命名为tensorflow_env，并在其中安装TensorFlow库。

在ml_env环境中创建一个Jupyter Notebook，并编写一个简单的Python代码来加载NumPy和matplotlib库，然后绘制一幅图表。