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。