python在机器学习领域的重要性日渐提升,但是其包管理以及python不同版本之间存在的不兼容性问题着实让人头疼。使用虚拟环境来进行包管理以及python不同版本之间的管理重要性则不言而喻了,本人试过了docker也试过了anaconda,相比较而言anaconda更为好用(个人观点,不喜勿喷)。接下来,将对anaconda环境下需要的各种包做一个基本的小结。
安装anaconda
首先下载Anaconda。本人的使用环境为Ubuntu16.04, 默认python版本为2.7,为了因此不必要的冲突,使用anaconda2的版本。
更改文件安装源(加速)
通过实践,发现清华的tuna源相对而言较好,因此以下将anaconda添加清华tuna的channel:
conda config --add channels 'https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/'
conda config --set show_channel_urls yes
新建tensorflow环境
# 新建python=2.7的anaconda环境
conda create -n tensorflow python=2.7
# 新建python=3.6的anaconda环境
conda create -n tensorflow3 python=3.6
如果我们不指定python版本,那么conda create得到的python版本将与anaconda的一致。
激活anaconda环境
source activate tensorflow3
退出anaconda环境可以使用如下命令:
source deactivate tensorflow3
安装OpenCV3.x
conda install -c menpo opencv3
以上就是anaconda环境的基本配置,有更多的需要直接与无anaconda环境一致即可,在此不进行赘述。
此外,pycharm真的是一款强大的IDE,为python工程项目的完成提供了有力的支持。