如何使用Anaconda设置机器学习和深度学习的Python环境

有一些平台安装Python机器学习环境可能很麻烦。

首先你得安装Python,然后安装许多软件包这很容易把初学者搞懵。

在本教程中,你将学会如何用Anaconda设置Python机器学习开发环境。

完成本教程后,你将拥有一个Python工作环境,可以让你学习、练习和开发机器学习和深度学习软件。

本说明适用于Windows,Mac OS X和Linux平台。我将在OS X上演示它们,因此你可能会看到一些mac对话框和文件扩展名。

  • 更新 2017/03:注:你需要一个Theano或TensorFlow才能使用Kears进行深度学习。

教程概述

在本教程中,我们将介绍如下步骤:

  1. 下载Anaconda
  2. 安装Anaconda
  3. 启动和更新Anaconda
  4. 更新 scikit-learn库
  5. 安装深度学习库

下载蟒蛇

在此步骤中,我们将为您的平台下载Anaconda Python。

Anaconda是一个免费且易于操作的科学Python环境。

如何使用Anaconda设置机器学习和深度学习的Python环境

3.选择适合您平台的下载(Windows,OSX或Linux):

  • 选择Python 3.5
  • 选择图形安装程序(Graphical Installer)

如何使用Anaconda设置机器学习和深度学习的Python环境

将Anaconda Python包下载到您的工作站。

我在OS X上,所以我选择了OS X版本。文件约426 MB。

你应该下载到一个名称如下的文件:

Anaconda3-4.2.0-MacOSX-x86_64.pkg

2.安装蟒蛇

在此步骤中,我们将在您的系统上安装Anaconda Python软件。

此步骤假定你具有足够的管理权限来在系统上安装软件。

  • 1.双击下载的文件。
  • 2.按照安装向导。

如何使用Anaconda设置机器学习和深度学习的Python环境

安装很顺利应该不会遇到棘手的问题

如何使用Anaconda设置机器学习和深度学习的Python环境

安装需要不到10分钟,占用硬盘上1 GB的空间。

3.启动和更新蟒蛇

在此步骤中,我们将确认您的Anaconda Python环境是不是最新的。

Anaconda配有一套名为Anaconda Navigator的图形工具。您可以从应用程序启动器打开Anaconda Navigator。

您可以点击这里了解有关Anaconda Navigator的所有信息。

我们稍后使用Anaconda Navigator和图形开发环境; 现在,我建议从Anaconda命令行环境开始,它被称为conda

Conda快速,简单,不会遗漏错误信息,您可以快速确认您的环境已安装并正常工作。

  • 1.打开终端(命令行窗口)。
  • 2.通过键入以下内容,确认正确安装:
1 conda-V

你应该看到以下(或类似的东西):

1 conda4.2.9
  • 3.键入以下内容,确认Python已正确安装:
1 python-V

你应该看到以下(或类似的东西):

Python 3.5.2 :: Anaconda 4.2.0 (x86_64)

如何使用Anaconda设置机器学习和深度学习的Python环境

如果命令不起作用或报错,请查看平台的帮助文档。

也可以参阅“延伸阅读”部分的一些资料。

  • 4.为确认您的conda环境是最新的,请输入:
1 conda update conda
2 conda update anaconda

你可能需要给一些包安装更新。

  • 5.确认您的SciPy环境。

下面的脚本将打印您需要用于机器学习开发的关键SciPy库的版本号,如: SciPy、NumPy、Matplotlib、Pandas、Statsmodels和Scikit-learn。

您可以键入“python”然后直接键入命令。但我建议打开一个文本文档,并将脚本复制到文档中。

01 # scipy
02 import scipy
03 print('scipy: %s' % scipy.__version__)
04 # numpy
05 import numpy
06 print('numpy: %s' % numpy.__version__)
07 # matplotlib
08 import matplotlib
09 print('matplotlib: %s' % matplotlib.__version__)
10 # pandas
11 import pandas
12 print('pandas: %s' % pandas.__version__)
13 # statsmodels
14 import statsmodels
15 print('statsmodels: %s' % statsmodels.__version__)
16 # scikit-learn
17 import sklearn
18 print('sklearn: %s' % sklearn.__version__)

将脚本保存为名称为versions.py的文件。

在命令行中,将目录更改为保存脚本的位置然后键入:

1 python versions.py

您应该看到如下输出:

1 scipy:0.18.1
2 numpy:1.11.1
3 matplotlib:1.5.3
4 pandas:0.18.1
5 statsmodels:0.6.1
6 sklearn:0.17.1

如何使用Anaconda设置机器学习和深度学习的Python环境

4.更新scikit-learn库

在这一步中,我们将在Python中更新用于机器学习的库,名为scikit-learn。

  • 1.更新scikit-learn到最新版本。

在撰写本文时,Anaconda发行的scikit-learning版本已经过期(0.17.1,而不是0.18.1)。您可以使用conda命令更新特定的库; 以下是将scikit-learn更新到最新版本的示例。

输入:

1 conda update scikit-learn

如何使用Anaconda设置机器学习和深度学习的Python环境

你也可以键入如下内容把他升级到特定的版本:

1 conda install-c anaconda scikit-learn=0.18.1

为了确认是否安装成功,你可以键入以下内容重新运行version.py脚本:

你应该看到如下的输出:

1 scipy:0.18.1
2 numpy:1.11.3
3 matplotlib:1.5.3
4 pandas:0.18.1
5 statsmodels:0.6.1
6 sklearn:0.18.1

你可以根据需要使用这些命令更新机器学习和SciPy库。

点击下方链接阅读scikit-learn教程:

5.安装深度学习库

在这一步中,我们将安装用于深度学习的Python库,主要是:Theano,TensorFlow和Keras。

注意:我建议使用Keras进行深度学习,而Keras只需要安装Tnano或TensorFlow中的一个。在某些Windows系统上安装TensorFlow可能会出现问题。

  • 1.通过键入以下内容安装Theano深度学习库:
1 conda install theano
  • 2.安装TensorFlow深度学习库(Windows除外),键入以下内容:
1 conda install-c conda-forge tensorflow

或者,您可以选择使用pip和特定版本的tensorflow为您的平台进行安装。

详情请参阅tensorflow的安装说明

  • 3.通过键入以下内容安装Keras:
1 pip install keras
  • 4.确认您的深入学习环境已安装并正常工作。

创建一个脚本,该脚本打印每个库的版本号,就像我们上面为安装SciPy环境所做的那样。

1 # theano
2 import theano
3 print('theano: %s' % theano.__version__)
4 # tensorflow
5 import tensorflow
6 print('tensorflow: %s' % tensorflow.__version__)
7 # keras
8 import keras
9 print('keras: %s' % keras.__version__)

将脚本保存成文件deep_versions.py。输入以下命令来运行脚本:

1 python deep_versions.py

你应该看到如下输出:

1 theano:0.8.2.dev-901275534cbfe3fbbe290ce85d1abf8bb9a5b203
2 tensorflow:0.12.1
3 Using TensorFlow backend.
4 keras:1.2.1

如何使用Anaconda设置机器学习和深度学习的Python环境

尝试一下Keras深度学习教程,如:Anaconda

进一步阅读

本节提供一些进一步阅读的链接。

总结

恭喜你现在拥有一个用于机器学习和深入学习的工作Python开发环境。

你现在可以在工作站上学习和练习机器学习和深度学习。

发表评论

Fill in your details below or click an icon to log in:

WordPress.com 徽标

You are commenting using your WordPress.com account. Log Out /  更改 )

Google photo

You are commenting using your Google account. Log Out /  更改 )

Twitter picture

You are commenting using your Twitter account. Log Out /  更改 )

Facebook photo

You are commenting using your Facebook account. Log Out /  更改 )

Connecting to %s

这个站点使用 Akismet 来减少垃圾评论。了解你的评论数据如何被处理