Anaconda构建机器学习和深度学习的Python环境

概述

在本教程中，我们将介绍以下步骤：

• 下载Anaconda。
• 安装Anaconda。
• 启动和更新Anaconda。
• 更新scikit-learn库。
• 安装深度学习库。

1.下载Anaconda

在本步骤中，我们将下载适用于你的平台的Anaconda Python包。

Anaconda是一个免费且易于使用的科学Python环境。

• 1.访问Anaconda主页。
• 2.在菜单中点击[Products ]，点击[Individual Edition]（下载），进入下载页面。
• 3.选择适合你的平台(Windows、OSX或Linux)的下载：
  • 选择Python 3.7。
  • 选择Graphical Installer（图形安装程序）。

这将把Anaconda Python包下载到你的工作站。

我使用的是OSX，所以我选择了OSX版本。文件大小约为426MB。

你应该有一个名称类似如下的文件：

1. Anaconda3-2020.02-MacOSX-x86_64.pkg

2.安装Anaconda

在本步骤中，我们将在你的系统上安装Anaconda Python软件。

此步骤假定你有足够的管理权限在系统上安装软件。

• 1.双击下载的文件。
• 2.按照安装向导进行操作。

安装快捷、顺利。

不应该有棘手的问题或难点。

安装时间应该不到10分钟，并且会占用你硬盘上略多于1 GB的空间。

3.启动和更新Anaconda

在此步骤中，我们将确认你的Anaconda Python环境是最新的。

Anaconda附带了一套图形工具，称为Anaconda导航器(Anaconda Navigator)。你可以通过从应用程序启动器打开Anaconda导航器来启动它。

你可以在这里了解到所有关于Anaconda导航器的信息。

稍后你可以使用Anaconda Navigator和图形开发环境；现在，我建议从名为Conda的Anaconda命令行环境开始。

Conda快速、简单，错误消息很难隐藏，你可以快速确认你的环境已安装并正常工作。

• 1.打开终端(命令行窗口)。
• 2.键入以下命令以确认Conda安装正确：

1. conda -V

你应该看到以下内容(或类似内容)：

1. conda 4.2.9

• 3.键入以下命令确认Python安装正确：

1. python -V

你应该看到以下内容(或类似内容)：

1. Python 3.5.2 :: Anaconda 4.2.0 (x86_64)

如果命令不起作用或出现错误，请查看文档以获取适用于你的平台的帮助。

请参阅“进一步阅读”部分的一些资源。

• 4.确认你的CONDA环境是最新的，请键入：

1. conda update conda
2. conda update anaconda

你可能需要安装一些软件包并确认更新。

• 5.确认你的SciPy环境。

下面的脚本将打印机器学习开发所需的关键SciPy库的版本号，特别是：SciPy、NumPy、Matplotlib、Pandas、StatsModels和Scikit-Learning。

你可以键入“python”，然后直接键入命令。或者，我建议打开文本编辑器并将脚本复制粘贴到编辑器中。

1. # scipy
2. import scipy
3. print('scipy: %s' % scipy.__version__)
4. # numpy
5. import numpy
6. print('numpy: %s' % numpy.__version__)
7. # matplotlib
8. import matplotlib
9. 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__)

将脚本另存为名为versions.py的文件。

在命令行上，将目录更改为保存脚本的位置，然后键入：

1. python versions.py

你应该会看到类似如下所示的输出：

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

你的是什么版本？

将输出粘贴到文章的评论中。

4.更新scikit-learn 库

在这一步中，我们将更新Python中用于机器学习的主库，称为scikit-learn。

• 1.更新scikit-learn最新版本。

在撰写本文时，anaconda附带的scikit-learn版本已经过时(0.17.1而不是0.18.1)。你可以使用conda命令更新特定库；下面是一个更新scikit-learn到最新版本的示例。

在终端，键入：

1. conda update scikit-learn

或者，你可以通过键入以下命令将库更新为特定版本：

1. conda install -c anaconda scikit-learn=0.18.1

键入以下命令，通过重新运行versions.py脚本确认安装成功，并且scikit-learn已更新：

1. python versions.py

你应该会看到类似如下所示的输出：

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

你的是什么版本？

将输出粘贴到文章的评论中。

你可以根据需要使用这些命令更新机器学习和SciPy库。

尝试一个scikit-learn教程，例如：

你的第一个Python机器学习项目

5.安装深度学习库

在本步骤中，我们将安装用于深度学习的Python库，特别是：Theano、TensorFlow和Kera。

注意：我推荐使用Kera进行深度学习，Kera只需要安装Theano或TensorFlow之一。你不需要两个都需要！在某些Windows计算机上安装TensorFlow可能会出现问题。

• 1.键入以下命令安装Theano Deep Learning库：

1. conda install theano

• 2.键入以下命令安装TensorFlow深度学习库(Windows除外)：

1. conda install -c conda-forge tensorflow

或者，你可以选择使用pip和适用于你的平台的特定版本的TensorFlow进行安装。

请参阅TensorFlow的安装说明。

• 3.键入以下命令安装Kera：

1. pip install keras

• 4.确认你的深度学习环境已安装并且工作正常。

创建一个打印每个库的版本号的脚本，就像我们之前对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__)

将脚本保存到文件deep_versions.py。键入以下内容以运行脚本：

1. python deep_versions.py

你应该会看到类似如下所示的输出：

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

你的是什么版本？

将输出粘贴到文章的评论中。

尝试KERAS深度学习教程，例如：

• 使用KERAS逐步用Python开发你的第一个神经网络

进一步阅读

本节提供了一些可供进一步阅读的链接。

Anaconda Documentation
Anaconda Documentation: Installation
Conda
Using conda
Anaconda Navigator
Installing Theano
Install TensorFlow Anaconda
Keras Installation